Inteligencia Artificial

Inteligencia Artificial
Tema:
Curso:
Introduccin a la Computacin
Integrantes:
Acosta Huaman, Seijyu Ingrid

lvarez Sivirichi, Nathaly
Ccanto Bravo, Joselyn Mayte
Carhuavilca, Miguel
Benito Zarate, Enrique
Profesor:
Gloria Castro
Semestre:
1er ciclo - Grupo 1
Ao:
2015
Contenido
INTRODUCCIN.............................................................................................. 3
DEFINICIN.............................................................................................. 9
1.
1.1.
OTRAS DEFINICIONES......................................................................11
2.
HISTORIA................................................................................................ 12
3.
OBJETIVOS............................................................................................. 14
4.
CARACTERSTICAS................................................................................. 18
5.
ESCUELAS DE PENSAMIENTO.................................................................20
5.1.
INTELIGENCIA ARTIFICIAL CONVENCIONAL.......................................20
5.2.
INTELIGENCIA ARTIFICIAL COMPUTACIONAL.....................................24
6.
CATEGORAS DE LA INTELIGENCIA ARTIFICIAL........................................28
7.
LA INTELIGENCIA ARTIFICIAL Y LOS SENTIMIENTOS.................................29
8.
APLICACIONES ACTUALES DE LA INTELIGENCIA ARTIFICIAL....................32
9.
APLICACIONES FUTURAS DE LA INTELIGENCIA ARTIFICIAL......................47
10.
VENTAJAS Y DESVENTAJAS DE LA INTELIGENCIA ARTIFICIAL...............62
BIBLIOGRAFA............................................................................................... 65
INTRODUCCIN
Muchas de las actividades mentales humanas, tales como escribir programas
de cmputo, demostrar teoremas, razonar con sentido comn y an conducir
2
un vehculo, normalmente se dice que requieren inteligencia. Durante las

dcadas pasadas se ha logrado construir programas que pueden realizar
tareas como esas. Existen programas que pueden diagnosticar enfermedades,
resolver ecuaciones diferenciales en forma simblica, analizar circuitos
electrnicos, entender en forma limitada frases habladas y escritas o escribir
programas de cmputo cumpliendo especificaciones. Se puede decir que tales
sistemas poseen cierto grado de Inteligencia Artificial (IA). En sus orgenes, la
construccin de estos sistemas fue, en gran medida, experimental, con una
orientacin ingenieril. Sin embargo los objetivos y las expectativas que
despert, tanto en los protagonistas como en la comunidad cientfica,
excedieron largamente los resultados obtenidos. Tal es as que, a mediados del
siglo pasado, (solo pocos aos despus que estuviera en funcionamiento la
primera computadora electrnica a vlvulas) existan destacados cientficos en
el rea de la IA que hacan afirmaciones temerarias como la siguiente: Sin afn
de sorprenderlos y dejarlos atnitos, debo informarles lisa y llanamente que
actualmente en el mundo existen mquinas capaces de pensar, aprender y
crear. Adems, su capacidad para hacer lo anterior aumentar rpidamente
hasta que en un futuro previsible- la magnitud de problemas que tendrn
capacidad de manejar ir a la par con la capacidad de la mente humana para
hacer lo mismo. (Herbert Simon, 1957, Premio Nobel de economa, 1978, por
sus trabajos en la Teora de las decisiones). Pero cuales son tales mquinas
maravillosas que son capaces de realizar las funciones ms elevadas del
cerebro humano? Qu es una computadora? Es slo una fbrica de
nmeros? 1 Tiene uno o ms dispositivos de Entrada (teclado, ...) 2 Tiene uno
o ms dispositivos de salida (pantalla, ...) 3 Dispositivo de memoria (Ram, ...) 4
Una unidad aritmtica 5 Una unidad de control 6 Un programa (instruccin de
ruptura de secuencia) Con esta sencilla mquina descripta por John V.
Neumann (Principio de construccin del ordenador) y con el auxilio de algunos
mecanismos conocidos desde la poca de la triada ScratesPlatn-Aristteles
(tica a Nicmano) 400 aos AC tales como los silogismos o el Modus Ponens
que permiten garantizar la veracidad de ciertas afirmaciones se pretenda
resolver todo tipo de problemas, como lo hace una persona.
Pero,
es
posible
que
las
computadoras
piensen?
No, si uno define el pensamiento como una peculiar actividad del cerebro
humano. Cualquier comportamiento similar en una computadora debera
designarse
como
comportamiento
similar
al
pensamiento.
No, si uno define al pensamiento como algo inescrutable, misterioso o mtico.

S, si uno admite que la pregunta debe ser contestada por experimentacin y
observacin.
Los dos NO son dogmticos, el SI es emprico y prctico y es explorado por
Alan
Turing.
El Test de Turing (Computing Machinery and Intelligence, 1950) para establecer

si una mquina es o no inteligente consiste en interrogarla por medio de un
teletipo (sin contacto fsico). El evaluador no debe poder discernir si el que
responde es una mquina o una persona. Este planteo puede ser descripto en
trminos del llamado Juego de la Imitacin que traslada el peso de la
respuesta desde la esencia (ser o no ser) a la apariencia (como si). Se puede
decir que la IA nace antes que la primera computadora electrnica como la
rama de las ciencias de la computacin que se ocupa de construir sistemas
que permitan exhibir un comportamiento cada vez ms inteligente, o que
observado en un ser humano pueda ser calificado como inteligente
(Feigenbaum) Algunas definiciones. 1- Hacer que las mquinas hagan cosas
que requeriran inteligencia si fueran hechas por el hombre. M. Minsky 2Intentar hacer las computadoras ms tiles y entender los principios que hacen
posible la inteligencia. Winston 3- Entender y estudiar cientficamente los
procesos comunes que subyacen en el pensar y el percibir ya sea en el hombre
como en la mquina. N. Nilsson 4- Es la parte de la ciencia de la computacin
que investiga los procesos de razonamiento simblicos y no algortmicos y la
representacin de conocimiento simblica para su uso en mquinas
inteligentes.
Buchanan
Feigenbaum
Las definiciones anteriores de
inteligencia son recursivas, siguen empleando la palabra inteligencia, que

etimolgicamente deriva de la voz latina legere que significa recolectar y por
lo tanto elegir lo que sirve y separarlo de lo que no sirve, intellegere significa
elegir entre varias cosas potencialmente tiles y quedarnos con la mejor.
Inteligencia sera entonces la capacidad de discernir, discriminar, evaluar pero
4
a medida que el conocimiento humano se fue ampliando, el concepto de

inteligencia fue abarcando cada vez mayor cantidad de facetas del
comportamiento no automtico o repetitivo, cada vez mas asociado a la
resolucin de problemas, al aprendizaje y al proceso creativo. Muy Pronto los
mtodos que demostraban funcionar en ejemplos sencillos, fallaban en
problemas de mayor dificultad. Lograban resultados gracias a manipulaciones
sencillas, por ejemplo Eliza de Weizenbaum (1965) manipulaba sintcticamente
las oraciones que el mismo interlocutor le proporcionaba. Introduccin a la
Inteligencia Artificial - 2010 3 El General Problem Solver (GPS, 1972, Human
Problem Solving, Newels and Simon, 1960) implementa el mean and end
analysis (anlisis de medios y fines) que clasifica a las cosas por funcin.
Entonces dado un objetivo se pueden encontrar sub objetivos y as siguiendo
se puede llegar a la solucin cuando los sub objetivos son los medios
disponibles para la solucin del problema. Aunque til, quedan huecos cuando
no hay accin para obtener lo que se desea o existen varias. Al comienzo se
pens que la traduccin automtica de textos se lograra con un buen
diccionario, sencillas transformaciones sintcticas y siguiendo las reglas
gramaticales de ambos idiomas. Pero los fracasos no tardaron en convertirse
en clebres como la retraduccin del ingls al ruso de la frase The sprit is
willing but the flesh is weak (El espritu es fuerte pero la carne es dbil) cuyo
resultado nuevamente en ingles fue The vodka is good but the meat is rotten
(El Vodka est bueno pero la carne est podrida). La intratabilidad de algunos
problemas an sencillos y muy bien definidos como el Travelling Salesman
Problem (TSP, el problema del viajante de comercio), que con problemas de
micromundos y pocas reglas funcionaban, pero con unos pocos nodos la
solucin poda tardar aos en encontrarse. Con la teora de la completitud NP
(Karpp 1972), la explosin combinatoria ( a.10n ) del espacio de soluciones se
afianz como una barrera fsica para la brute force y las esperanzas de que el
avance de la tcnica micro electrnica resolvera el problema con la
construccin de una batera de sper computadoras en paralelo. En 1963
McCarthy logr un algoritmo completo para la demostracin de teoremas para
la lgica de primer orden apoyndose en el mtodo de resolucin descubierto
por Rbinson, pero la indecidibilidad de la lgica de primer orden (teora de la
incompletitud , Gdel 1931), al predecir que existen aseveraciones verdaderas
5
en las que no es posible decidir la validez mediante ningn algoritmo, las

demostraciones automticas dependen de la suerte, que cuando es mala, el
tiempo puede ser indefinido (infinito). A estos primeros mtodos se los llam
dbiles porque tenan poca informacin especfica y por medio de pasos
elementales se pretenda llegar a soluciones importantes, a pesar de sus
objetivos, los resultados eran pobres. As alrededor de los 70 se plantea un
nuevo enfoque, se construyeron sistemas basados en el conocimiento (KBS
Knowledge Based Systems). Reunan mucha informacin de un dominio
especfico, donde hubiera un experto que pudiera indicar como manipular la
informacin disponible por medio de reglas simples del tipo si A entonces B.
A estos sistemas se los llam Sistemas Expertos en la pretensin de simular
el comportamiento de un experto humano, en un rea muy tcnica y especfica.
Se construyeron sistemas (Dendral) para determinar la estructura molecular de
compuestos orgnicos a partir de la informacin de un espectrgrafo de masas,
otros como Mycin para la determinacin de infecciones en sangre, que tena
incorporado un clculo de incertidumbre denominado factores de certeza. En
cambio Prospector fue diseado para colaborar con la localizacin de
yacimientos de Molibdeno. Para poder operar con el conocimiento es necesario
representarlo y poder hacer un modelo del mundo sobre el cual se quieren
hacer inferencias. Surgen as distintos mtodos de representacin del
conocimiento en forma simblica, como la lgica de primer orden, los frames
(marcos o planillas), las redes semnticas, los objetos, etc. Lenguajes que
puedan operar con estos paradigmas de representacin como Lisp y Prolog,
Smalltalk, y shells especiales. Hoy se puede hablar de varios tipos de
inteligencia. Pero para las ciencias de la computacin se presupone
inteligente como sinnimo de racional, no importando que sea o parezca.
Introduccin a la Inteligencia Artificial - 2010 4 Esta definicin evasiva relega a
la IA a la frontera de las ciencias de la computacin, todo sistema de cmputo
que en sus orgenes pudo ser considerado inteligente, al cabo de cierto tiempo
deja de serlo como lo demuestran innumerables ejemplos de sistemas como el
Fortran,
Traductores
Automticos,
Programacin
orientada
objetos,
Administracin automtica de memoria, Listas enlazadas, Tiempo compartido,

Entornos de programacin grficos, Intrpretes interactivos, etc. En la Tabla 1.1
se puede apreciar algunos acontecimientos importantes en la historia de la
6
Inteligencia Artificial. Actualmente los desarrollos se apoyan en teoras ms

rigurosas, en lugar de plantear soluciones intuitivas en la esperanza de que por
error, azar o magia el resultado sea mejor que el programa. Introduccin a la
Inteligencia Artificial - 2010 5 Fsicos como Hopfield (1982) aplicaron tcnicas
de mecnica estadstica y tcnicas de aprendizaje como el algoritmo de
backpropagation. As permitieron un resurgimiento de las Redes Neuronales.
La teora de la evolucin de Darwin y la demostracin del teorema de Schema
hacen que los Algoritmos Genticos y los Programas Evolutivos sean una
disciplina con slidas bases. La teora de modelos doblemente estocstcos de
Markov (HMM Hidden Markov Model) aplicada al reconocimiento de voz
permiti por primera vez la construccin de sistemas comerciales de lenguaje
natural, con alto grado de eficiencia. El establecimiento formal de lgicas
multivaluadas como la Logica Difusa (Lotfi Zade), redes epistmicas
(Dempster-Shefer), permite realizar sistemas de control difuso que operan
eficientemente, an en aplicaciones donde la planta es alineal o no hay un
modelo ajustado. Los mtodos de procesamiento de imgenes en forma digital
junto con herramientas matemticas como Laplacianos y la transformada de
Hough, permiten sistemas la aplicacin de visin artificial para la industria en
tareas de seguridad, control de calidad, robtica mvil, etc. Pero las
computadoras hacen exactamente lo que se les ha dicho que hagan y NADA
MS? Este juicio es intuitivamente obvio, indudablemente cierto, pero no apoya
ninguna de las implicaciones que se derivan comnmente de ella. Desde un
punto de vista mecanicista los seres humanos pueden pensar, aprender, y
crear gracias a su programa biolgico heredado, junto a los cambios que ese
programa produce por interaccin con el ambiente. Si una computadora
pensara, aprendiera, creara, sera en virtud de un programa que la habilitara
para esas capacidades.(Simon 1960). Pero es incorrecto pensar que el
programador puede predecir completamente todo el comportamiento de su
programa. La programacin ha sido siempre la cruz y el tormento de los
investigadores y expertos, costosa en tiempo y esfuerzo propensa a fallos y
difcil de corregir. Actualmente el uso de Software en aplicaciones crticas como
en la industria nuclear, es muy limitado, porque no se puede calcular la
confiabilidad de un programa de computacin, slo se puede asegurar la
calidad por la forma en que fue escrito y algunas pruebas no exhaustivas.
7
Alguien podra pensar que as como no podemos garantizar que los programas
funcionen exactamente para lo que fueron programados y realicen operaciones
inesperadas, tambin por error esas cosas inesperadas pueden resultar ms
tiles o inteligentes que las esperadas. La computacin evolutiva explota esta
idea de bsqueda al azar de soluciones a problemas para los cuales no se ha
escrito un programa especfico. Las computadoras digitales son dispositivos
universales que pueden ser clasificadas como Autmatas Finitos, pero la
complejidad del mundo, aun cuando ese mundo este perfectamente
estructurado como podra ser un juego, excede en mucho la posibilidad de
explorarlo completamente en busca de una solucin. En el ajedrez, por
ejemplo, se ha estimado que explorar exhaustivamente todas las posibles
jugadas de una partida es del orden de 10120, si consideramos que el Big
Bang ocurri hace 15 109 aos y disponemos de computadoras que pueden
calcular una jugada en 10-12 seg (suponiendo un clock de 1 tera hertz y 1
instruccin por jugada), desde entonces hasta ahora habra calculado 4,7 1031
jugadas. Entonces un programa que se comporte en forma inteligente deber
buscar la solucin en forma muy selectiva explotando caminos prometedores y
purgando ramificaciones estriles. Los programas heursticos (regla emprica),
toman ventaja de trucos para limitar drsticamente el espacio de bsqueda de
una solucin que sea suficientemente buena la mayora de las veces.
1. DEFINICIN
En el mbito de las ciencias de la computacin se denomina como inteligencia
artificial a la facultad de razonamiento que ostenta un agente que no est vivo,
tal es el caso de un robot, por citar uno de los ejemplos ms populares, y que le
8
fue conferida gracias al diseo y desarrollo de diversos procesos gestados por

los seres humanos. Cabe destacarse que adems del poder de razonar, estos
dispositivos son capaces de desarrollar muchas conductas y actividades
especialmente humanas como puede ser resolver un problema dado, practicar
un deporte, entre otros.
El concepto de Inteligencia Artificial, tambin conocido por las siglas AI, se le

debe al informtico estadounidense John McCarthy, quien en el ao 1956 lo
pronunci por primera vez en una conferencia causando un gran impacto en el
mbito de la tecnologa. A partir de ese entonces, el concepto se disemin
fantsticamente por el mundo y por ello hoy es tan comn su uso cuando
queremos referirnos a aquellas mquinas o aparatos dotados de una
inteligencia smil a la de los seres humanos. McCarthy adems del concepto
aport muchsimos conocimientos de vanguardia al campo de la inteligencia
artificial.
Ahora bien, es importante destacar que nos podremos encontrar con diversos
tipos de inteligencia artificial, como ser: sistemas que piensan como los seres
humanos (se ocupan de imitar el pensamiento humano, siendo un ejemplo las
redes neuronales artificiales, que justamente imitan el funcionamiento del
sistema nervioso), sistemas que actan como los humanos (son aquellos que
imitan el comportamiento del hombre, el ejemplo ms claro es el del robot),
sistemas que piensan de modo racional (se caracterizan por imitar el
pensamiento lgico de los humanos, es decir, en una cuestin concreta
razonan como expertos. Se los emplea especialmente a la hora de buscar
mejoras en la calidad y en la rapidez de un servicio) y sistemas que actan de
manera racional (imitan de manera racional el comportamiento de una persona,
siendo
capaces
de
percibir
el
entorno
actuar
en
consecuencia).
El sptimo arte es uno de los mbitos que ms ha abordado la cuestin de la IA

en los ltimos aos. Entre las producciones ms recordadas est la de Steven
Spielberg, titulada justamente Inteligencia Artificial, que narra la historia de un
robot que fue creado para reemplazar a un nio y en ese comportamiento
demuestra sentimientos tpicamente de los humanos.
9
La inteligencia artificial es considerada una rama de la computacin y relaciona

un fenmeno natural con una analoga artificial a travs de programas de
computador. La inteligencia artificial puede ser tomada como ciencia si se
enfoca hacia la elaboracin de programas basados en comparaciones con la
eficiencia del hombre, contribuyendo a un mayor entendimiento del
conocimiento humano.
Si por otro lado es tomada como ingeniera, basada en una relacin deseable
de entrada-salida para sintetizar un programa de computador. "El resultado es
un programa de alta eficiencia que funciona como una poderosa herramienta
para quien la utiliza.
1.1.
OTRAS DEFINICIONES
Los dos objetivos se suceden en las diversas definiciones que los especialistas
ms importantes de la IA han ido dando a los contenidos de esta ciencia.
10
Para Marvin Minsky, profesor del MIT (Massachusetts Institute of Technology) y

uno de los investigadores y expertos ms famosos en inteligencia artificial, sta
es:
la ciencia de construir mquinas que hacen cosas que realizadas por el

hombre requieren el uso de la inteligencia.
Otro punto de vista lo ofreces B.B Buchanan y E.A.Felgenbaum, de la

Universidad de Stanford, cuando indican que:
la investigacin sobre IA es la parte de la ciencia de los ordenadores

que investiga procesos simblicos, razonamientos algortmicos y
representaciones simblicas del conocimientos usado en mquinas
inteligentes
OTRA DEFINICIN
COMPLEMENTARIA...
...y la misma linea, tambin

procedente de un libro de tectto en la
que Bein Rch en 1983 al decir que "la
inteligencia artificial" es el estudio de
cmo se puede hacer que los
ordenadores hagan cosas que, de
momento las personas hacen mejor"
2. HISTORIA
La Inteligencia Artificial "naci" en 1943 cuando Warren McCulloch y Walter
Pitts propusieron un modelo de neurona del cerebro humano y animal. Estas
neuronas nerviosas abstractas proporcionaron una representacin simblica de
la actividad cerebral.
11
Ms adelante, Norbert Wiener elabor estas ideas junto con otras, dentro del
mismo campo, que se llam "ciberntica"; de aqu nacera, sobre los aos 50,
la Inteligencia Artificial.
Los primeros investigadores de esta innovadora ciencia, tomaron como base la
neurona formalizada de McCulloch y postulaban que:
"El cerebro es un solucionador inteligente de problemas, de modo que
imitemos al cerebro".
Pero si consideramos la enorme complejidad del mismo esto es ya
prcticamente imposible, ni que mencionar que el hardware de la poca ni el
software estaban a la altura para realizar semejantes proyectos.
Se comenz a considerar el pensamiento humano como una coordinacin de
tareas simples relacionadas entre s mediante smbolos. Se llegara a la
realizacin de lo que ellos consideraban como los fundamentos de la solucin
inteligente de problemas, pero lo difcil estaba todava sin empezar, unir entre s
estas actividades simples.
Es en los aos 50 cuando se logra realizar un sistema que tuvo cierto xito, se
llam el Perceptrn de Rossenblatt. ste era un sistema visual de
reconocimiento de patrones en el cual se asociaron esfuerzos para que se
pudieran resolver una gama amplia de problemas, pero estas energas se
diluyeron enseguida.
Fue en los aos 60 cuando Alan Newell y Herbert Simon, que trabajando la
demostracin de teoremas y el ajedrez por ordenador logran crear un programa
llamado GPS (General Problem Solver: solucionador general de problemas).
ste era un sistema en el que el usuario defina un entorno en funcin de una
serie de objetos y los operadores que se podan aplicar sobre ellos. Este
programa era capaz de trabajar con las torres de Hanoi, as como con
criptoaritmtica y otros problemas similares, operando, claro est, con
microcosmos formalizados que representaban los parmetros dentro de los
cuales se podan resolver problemas. Lo que no poda hacer el GPS era
resolver problemas ni del mundo real, ni mdicos ni tomar decisiones
importantes. El GPSmanejaba reglas heursticas (aprender a partir de sus
12
propios descubrimientos) que la conducan hasta el destino deseado mediante

el
mtodo
del
ensayo
el
error.
En los aos 70, un equipo de investigadores dirigido por Edward Feigenbaum

comenz a elaborar un proyecto para resolver problemas de la vida cotidiana o
que se centrara, al menos, en problemas ms concretos. As es como naci el
sistema experto.
El primer sistema experto fue el denominado Dendral, un intrprete de
espectrograma de masa construido en 1967, pero el ms influyente resultara
ser el Mycin de 1974. El Mycin era capaz de diagnosticar trastornos en la
sangre y recetar la correspondiente medicacin, todo un logro en aquella poca
que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de
uso comn en el Pacific Medical Center de San Francisco, EEUU).
Ya en los aos 80, se desarrollaron lenguajes especiales para utilizar con la
Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta poca
cuando se desarrollan sistemas expertos ms refinados, como por el ejemplo el
EURISKO. Este programa perfecciona su propio cuerpo de reglas heursticas
automticamente, por induccin.
3. OBJETIVOS
La Inteligencia Artificial es una ciencia que tiene como objetivo fundamental la
creacin de sistemas inteligentes o, con palabras de Haugeland, mquinas
dotadas de mente. Situadas en esta primera aproximacin, se pueden distinguir
analticamente dos ramas complementarias de investigacin que configuran el
trabajo que se lleva a cabo en esta ciencia.
13
Hay, en primer lugar, un conjunto de investigadores que centran su atencin en

la creacin de algoritmos que simulen el comportamiento inteligente del ser
humano y puedan ser ejecutadas por mquinas automticas, es decir, por
ordenadores. La etapa clsica, como expondremos posteriormente, se inicia
con el Resolvedor General de Problemas creado por Simon , Newell y Shaw.
Se trata de un programa de ordenador que se usa para resolver cualquier
problema con tal de que se fijen el estado incicial y la meta a conseguir por
medio de una serie de operadores que reducen la diferencia entre ambos
estados. Esta etpa culmina con el intento de crear mquinas neuronimticas
cuyo funcionamiento paralelo les permita poseer aprendizaje simblico de
manera automtica.
La segunda lnea de investigacin, de carcter eminentemente terico, enfoca
la investigacin hacia la bsqueda de un modela de la mente humana como
paso previo a su realizacin en programas de ordenador, tomando como punto
de referencia para conseguir ese objetivo, la misma inteligencia natural. A pesar
de que algunos investigadores hayan renunciado a este presupuesto para
centrarse en el puro pensamiento, entendiendo los estudios de Inteligencia
Artificial
como un laboratorio donde se experimenta sobre el pensamiento
sobre el pensamiento aunque en nada se parezca al pensamiento humano, lo

cierto que va calando en la conciencia general de los estudiosos del tema de la
necesidad de complementar ambas perspectivas para centrarse en el puro
pensamiento , entendiendo los estudios de la Inteligencia Natural . Esta
concepcin ser el punto de partida para el anlisis de la arquitectura de la
mente de cara a poder comprender qu clases de objetos estn almacenados
en ella, como son manipulados y como intervienen en las decisiones
inteligentes de la mente.
Para los profesionales del campo de la computacin el propsito general de la
Inteligencia Artificial es desarrollar:
1. Modelos conceptuales
2. Procedimientos de reescritura formal de esos modelos
3. Estrategias de programacin y mquinas fsicas para reproducir de la
forma ms eficiente y completa posible tareas cognitivas y cientficotcnicas.
14
Los objetivos iniciales de la Inteligencia Artificial fueron excesivos porque se

ignoraron muchas caractersticas de la Inteligencia Artificial como el ignorar el
carcter general y pre cientfico de trmino y no saber diferenciar entre el
conocer humano y el conocimiento que hemos sido capaces de introducir a una
mquina. (Gracias a este 2do punto nos ha llevado a olvidar que el trabajo real
est en el desarrollo de arquitecturas, lenguajes y herramientas lgicas
matemticas que superponen organizaciones a la electrnica digital, de
formatos que a un observador humano le parece que la mquina es
inteligente.
LA INTELIGENCIA ARTIFICIAL COMO CIENCIA Y COMO

INGENIERA DEL CONOCIMIENTO
INTELIGENCI
A ARTIFICIAL
CIENCIA
INGENIERA
Comprensin de los
proceso cognitivos
Tareas y mtodos de
solucin
LA INTELIGENCIA ARTIFICIAL COMO CIENCIA

*Entendida como ciencia de la tarea de la Inteligencia Artificial es de
anlisis.
Su fenomenologa engloba el conjunto de hecho asociados a la
neurologa y la cognicin donde emergen las funciones de percepcin,
memoria, lenguaje, decisin, emocin y accin que han dado lugar a lo
que hoy llamamos comportamiento inteligente en humanos.
*La perspectiva cientfica de la IA busca una teora computable del
conocimiento humano.
LA INTELIGENCIA ARTIFICIAL COMO INGENIERA

15
*La rama aplicada de la IA conocida como IC tiene unos objetivos ms

claros y alcanzables a corto y mediano plazo.
La primera es como alternativa a la materia y a la energa, el nuevo
objeto forma de la IC es el conocimiento y este como a la informacin.
Se puede decir que, actualmente, cuando se investiga en el campo de la

inteligencia artificial se pueden conseguir dos objetivos complementarios que
ponen el nfasis, respectivamente, en el aspecto terico y tecnolgico de la IA.
Un primer objetivo es el estudio de los procesos cognoscitivos en general, lo
que justificara la definicin de Patrick J. Hayes (1973). El estudio de la
inteligencia como computacin, que se orienta en la consideracin de la
inteligencia artificial como un estudio de la conducta humana inteligente.
En este estudio es fundamental la ayuda obtenida por la informtica como una
herramienta de gran potencia en la representacin de cualquier sistema de
smbolos como el que se utiliza la actividad racional. De aqu los mltiples
puntos de contacto de la inteligencia artificial con otras ciencias como la
neurofisiologa, la psicologa, la lgica formal, la lingstica, etc.
Otro objetivo central de la IA es el intento de obtener sistemas automticos
capaces de llevar a cabo trabajos reservados, incluso ahora a los seres
humanos.
Con este enfoque, la IA aparece como una disciplina eminentemente
tecnolgica que persigue la construccin de mquinas y programas capaces de
realizar complejas tareas con una habilidad y eficiencia igual o superior a las
que se consigue el ser humano.
Es importante recordar que se trata de un uso de los ordenadores (mquinas
inteligentes) que no respeta la habitual caracterizacin de un programa como
la conjuncin de unos algoritmos actuando sobre unas estructuras de datos. En
realidad, los programas de IA son tambin, y a la vez esencialmente, no
algoritmos, y as lo constataremos ms adelante.
16
En una posicin intermedia, P.H.Winston, director del laboratorio de inteligencia

artificial del MIT, indica que:
el objetivo de la IA se puede concretar en cmo conseguir hacer ordenadores
ms tiles para comprender los principios que posibilitan la inteligencia.
En otras definiciones se intenta analizar el contenido semntico de los trminos
inteligencia y artificial que componen la denominacin, pero este enfoque
plantea graves problemas por las dificultades de definir los propios conceptos
de inteligencia o de artificialidad.
Al lado del contenido prctico de la definicin de Minsky, otros autores no
dudan en proponer contenidos an ms pragmticos diciendo que:
la inteligencia artificial es el estudio de las facultades mentales mediante el uso
de modelos computacionales (Charniak y McDermolt, 1985).
Esta definicin enfatiza el inters de las tcnicas de la IA por reproducir las
facultades mentales de las personas: visin, lenguaje natural, razn y
comprensin, por poner ejemplos concretos ya tratados por las tcnicas de la
IA.
Quiz estas definiciones ilustran con mayor precisin el panorama actual de la
inteligencia artificial que el ambicioso objetivo de superar el test de Turing con
una mquina o un programa de ordenador.
4. CARACTERSTICAS
1. Una caracterstica fundamental que distingue a los mtodos de Inteligencia
Artificial de los mtodos numricos es el uso de smbolos no matemticos,
aunque no es suficiente para distinguirlo completamente. Otros tipos de
programas como los compiladores y sistemas de bases de datos, tambin
procesan smbolos y no se considera que usen tcnicas de Inteligencia
Artificial.
17
2. El comportamiento de los programas no es descrito explcitamente por el

algoritmo. La secuencia de pasos seguidos por el programa es influenciado por
el problema particular presente. El programa especifica cmo encontrar la
secuencia de pasos necesarios para resolver un problema dado (programa
declarativo). En contraste con los programas que no son de Inteligencia
Artificial, que siguen un algoritmo definido, que especifica, explcitamente,
cmo encontrar las variables de salida para cualquier variable dada de entrada
(programa de procedimiento).
3. El razonamiento basado en el conocimiento, implica que estos programas
incorporan factores y relaciones del mundo real y del mbito del conocimiento
en que ellos operan. Al contrario de los programas para propsito especfico,
como los de contabilidad y clculos cientficos; los programas de Inteligencia
Artificial pueden distinguir entre el programa de razonamiento o motor de
inferencia y base de conocimientos dndole la capacidad de explicar
discrepancias entre ellas.
4. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de
Inteligencia Artificial los programas no pueden trabajar con este tipo de
problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a
metas como en planificacin, o el diagnstico de tareas en un sistema del
mundo real: con poca informacin, con una solucin cercana y no
necesariamente exacta. La Inteligencia Artificial incluye varios campos de
desarrollo tales como: la robtica, usada principalmente en el campo industrial;
comprensin de lenguajes y traduccin; visin en mquinas que distinguen
formas y que se usan en lneas de ensamblaje; reconocimiento de palabras y
aprendizaje de mquinas; sistemas computacionales expertos.
Los sistemas expertos, que reproducen el comportamiento humano en un
estrecho mbito del conocimiento, son programas tan variados como los que
diagnostican infecciones en la sangre e indican un tratamiento, los que
interpretan datos sismolgicos en exploracin geolgica y los que configuran
complejos equipos de alta tecnologa. Tales tareas reducen costos, reducen
riesgos en la manipulacin humana en reas peligrosas, mejoran el
18
desempeo del personal inexperto, y mejoran el control de calidad sobre todo

en el mbito comercial.
Los computadores no pueden manejar verdaderos significados.
Los computadores no tienen autoconciencia (emociones, sociabilidad,

etc.).
Un computador slo puede hacer aquello para lo que est programado.
Las mquinas no pueden pensar realmente.
uso de smbolos no matemticos, aunque no es suficiente para

distinguirlo completamente.
El comportamiento de los programas no es descrito explcitamente por el

algoritmo.
El programa especifica cmo encontrar la secuencia de pasos

necesarios para resolver un problema dado
Las conclusiones de un programa declarativo no son fijas y son

determinadas parcialmente por las conclusiones intermedias alcanzadas
durante las consideraciones al problema especfico
19
5. ESCUELAS DE PENSAMIENTO
5.1.
INTELIGENCIA ARTIFICIAL CONVENCIONAL
Se conoce tambin como IA simblico-deductiva. Est basada en el anlisis

formal y estadstico del comportamiento humano ante diferentes problemas:
Razonamiento basado en casos: Es el proceso de solucionar

nuevos problemas basndose en las soluciones de problemas
anteriores. Un mecnico de automviles que repara un motor porque
record que otro auto presentaba los mismos sntomas est usando
razonamiento basado en casos. Un abogado que apela a precedentes
legales para defender alguna causa est usando razonamiento basado
en casos. Tambin un ingeniero cuando copia elementos de la
naturaleza, est tratando a esta como una base de datos de
soluciones. El Razonamiento basado en casos es una manera de
razonar haciendo analogas. Se ha argumentado que el razonamiento
basado en casos no slo es un mtodo poderoso para el razonamiento
de computadoras, sino que es usado por las personas para solucionar
problemas cotidianos. Ms radicalmente se ha sostenido que todo
razonamiento es basado en casos porque est basado en la experiencia
previa.
Sistemas expertos: Los sistemas expertos son llamados as porque

emulan el razonamiento de un experto en un dominio concreto, y en
ocasiones son usados por stos. Con los sistemas expertos se busca
una mejor calidad y rapidez en las respuestas, dando as lugar a una
mejora de la productividad del propio experto al usar este tipo de
sistemas informticos
Los sistemas expertos que tienen la capacidad de razonar y llegar a dar
una recomendacin sobre un problema en especfico. Estos sistemas
son capaces de evaluar una gran variedad de informacin que tienen en
20
conocimiento almacenado en su memoria. Dan alternativas y hasta

llegan a brindar una conclusin basado en el razonamiento que el
sistema realizo de la situacin en particular. Para lograr ser til el
sistema tiene que tener informacin necesaria de antemano porque
estas no se ajustan a las posibles caridades de cambio en un problema.
Son especialista de una materia en particular y dan recomendacin
como lo hara un profesional.
Para que un sistema experto sea herramienta efectiva, los usuarios
deben interactuar de una forma fcil, reuniendo dos capacidades para
poder cumplirlo:
Explicar sus razonamientos o base del conocimiento: los sistemas
expertos
se
deben
realizar
siguiendo
ciertas
reglas
pasos
comprensibles de manera que se pueda generar la explicacin para

cada una de estas reglas, que a la vez se basan en hechos.
Adquisicin de nuevos conocimientos o integrador del sistema: son
mecanismos
de
razonamiento
que
sirven
para
modificar
los
conocimientos anteriores. Sobre la base de lo anterior se puede decir

que los sistemas expertos son el producto de investigaciones en el
campo de la inteligencia artificial ya que sta no intenta sustituir a los
expertos humanos, sino que se desea ayudarlos a realizar con ms
rapidez y eficacia todas las tareas que realiza.
Debido a esto en la actualidad se estn mezclando diferentes tcnicas o
aplicaciones aprovechando las ventajas que cada una de estas ofrece
para poder tener empresas ms seguras. Un ejemplo de estas tcnicas
sera los agentes que tienen la capacidad de negociar y navegar a
travs de recursos en lnea; y es por eso que en la actualidad juega un
papel preponderante en los sistemas expertos.
Poseen las siguientes caractersticas:
1. Amplios conocimientos sobre determinado tema que se encuentra
estructurado en su base de conocimiento.
2. Algoritmos y tcnicas de bsqueda que permiten el uso y tratamiento
de la informacin de una forma eficiente.
3. Posibilidad de ampliar sus conocimientos con la experiencia.
4. Facilidad para realizar anlisis de datos e informaciones.
5. Capacidad para presentar un razonamiento o conclusin.
21
El conocimiento de un sistema experto se basa en tres tipos de

informaciones:
a. Hechos (obtenidos de la realidad)
b. Reglas de procedimiento (secuencias)
c. Reglas heursticas (reglas con opciones)
Redes bayesianas: Una red bayesiana, red de Bayes, red de

creencia, modelo bayesiano (de Bayes) o modelo probabilstico en un
grafo acclico dirigido es un modelo grafo probabilstico (un tipo de
modelo esttico) que representa un conjunto de variables aleatorias y
sus dependencias condicionales a travs de un grafo acclico dirigido
(DAG por sus siglas en ingls). Por ejemplo, una red bayesiana puede
representar las relaciones probabilsticas entre enfermedades y
sntomas. Dados los sntomas, la red puede ser usada para computar
las probabilidades de la presencia de varias enfermedades.
Formalmente, las redes bayesianas son grafos dirigidos acclicos cuyos
nodos representan variables aleatorias en el sentido de Bayes: las
mismas pueden
parmetros
ser cantidades observables, variables latentes,
desconocidos
dependencias
hiptesis.
condicionales; los nodos
Las
aristas
que
no
se
representan
encuentran
conectados representan variables las cuales son condicionalmente

independientes de las otras. Cada nodo tiene asociado una funcin de
probabilidad que toma como entrada un conjunto particular de valores de
las variables padres del nodo y devuelve la probabilidad de la variable
representada por el nodo. Por ejemplo, si por padres son m variables
booleanas entonces la funcin de probabilidad puede ser representada
por una tabla de 2^m entradas, una entrada para cada una de las 2^m
posibles combinaciones de los padres siendo verdadero o falso. Ideas
similares pueden ser aplicadas a grafos no dirigidos, y posiblemente
cclicos; como son las llamadas redes de Markov.
Existen algoritmos eficientes que llevan a cabo la inferencia y el
aprendizaje en redes bayesianas. Las redes bayesianas que modelan
secuencias de variables (ej seales del habla o secuencias de protenas)
son llamadas redes bayesianas dinmicas. Las generalizaciones de las
22
redes bayesianas que pueden representar y resolver problemas de

decisin bajo incertidumbre son llamados diagramas de influencia.
Inteligencia artificial basada en comportamientos : Estudio

del comportamiento del ser humano basado en la metodologa medular
de la Inteligencia Artificial para construir a mano un sistema de
Inteligencia Artificial. Es decir el no utilizar otros sistemas para crear un
sistema de Inteligencia Artificial, sino que ser creado a manera
convencional con ensamblaje y programacin por un especialista en la
materia.
Smart process management:
La tecnologa Smart Process
Management se basa en Inteligencia Artificial que tiene como misin el

desarrollo de sistemas inteligentes que, a partir de la informacin que
posean, dan respuestas inmediatas a problemas complejos que
requieren una rpida solucin. A veces, la gran cantidad de datos a
manejar en una organizacin, dificulta la toma de decisiones en el
tiempo requerido.
En la actualidad, se hace ms necesario an definir procesos ya no
centrados en los datos almacenados por los sistemas de informacin,
que son estticos y con comportamientos predecibles, sino procesos
basados directamente en el conocimiento que poseen los expertos de
cada actividad. Las decisiones sern por tanto dinmicas, impredecibles
y pueden variar en funcin de las circunstancias de cada momento. Son
procesos evolutivos tambin, puesto que difieren en el tiempo a la vez
que evoluciona la experiencia de los trabajadores.
De las TICs a las TICAs; sistematizar el Conocimiento experto de las
empresas
La evolucin de las TIC (Tecnologas de la Informacin y las
Comunicaciones) en los ltimos aos ha alcanzado el grado de madurez
tecnolgico necesario para el desarrollo de la siguiente fase: las TICA o
tecnologas de la Informacin, el Conocimiento y el Aprendizaje, que
funcionan a partir del conocimiento de los expertos: condensan tanto los
23
conocimientos tcnicos como el aprendizaje adquirido a travs de la

experiencia.
La aplicacin de la tecnologa Smart Process Management en las
organizaciones ofrece las siguientes ventajas para la gestin:
Ofrece soluciones a problemas complejos de una forma ms rpida y
ptima de la que lo hara cualquier experto.
La optimizacin del conocimiento experto que reside en las personas,
que puede ser compartido y documentado.
Un aumento del rendimiento de los empleados mediante la ayuda a la
toma de decisiones homogeneizadas, asegurando el cumplimiento de
normativas y protocolos legislativos.
La mejora del resultado mediante la aplicacin de diferentes estrategias
o una combinacin de las mismas.
La adaptacin de los procesos a los recursos disponibles o al tiempo.
5.2.
INTELIGENCIA ARTIFICIAL COMPUTACIONAL
Inteligencia Computacional (IC) es una rama de la inteligencia artificial

centrada en el estudio de mecanismos adaptativos para permitir el
comportamiento inteligente de sistemas complejos y cambiantes. Se
presenta como una alternativa a la GOFAI ("Good Old-Fashioned
Artificial Intelligence"), tratando de no confiar en algoritmos heursticos
tan habituales en la Inteligencia Artificial ms tradicional. Dentro de la
Inteligencia Computacional podemos encontrar tcnicas como las Redes
Neuronales, Computacin Evolutiva, Swarm Intelligence, Sistemas
Inmunes Artificiales o Sistemas difusos. Tambin se relaciona con
tcnicas como los Fractales, Teora del Caos, Wavelets, Autmata
celular, etc.
La Inteligencia Computacional combina elementos de aprendizaje,
adaptacin, evolucin y Lgica difusa para crear programas que son, en
cierta
manera,
inteligentes.
La
investigacin
en
Inteligencia
Computacional no rechaza los mtodos estadsticos, pero muy a

menudo aporta una vista complementaria. Las Redes Neuronales son
una rama de la inteligencia computacional muy relacionada con el
aprendizaje automtico.
24
Redes Neuronales: Estos son sistemas que tienen la capacidad de

reconocer patrones de data. A medida que pasa la informacin el
sistema hace la lectura y busca un patrn que pueda reconocer. El
defecto del sistema es que solo puede leer data que se reconozca y este
en el sistema y no se ajusta a los cambios que puedan ocurrir. Los datos
pueden ser el resultado del esfuerzo de una investigacin de mercado,
el resultado de un proceso de produccin dando variacin a las
condiciones de operacin, o las decisiones de un prestamista dado un
conjunto de aplicaciones de prstamo, utilizando una Red Neuronal es
una
salida
considerable
parecida
un
enfoque
tradicional.
Tradicionalmente un programador o un analista especifican "cdigos" de

cada faceta del problema en orden para la computadora pueda
"entender" la situacin. Redes Neuronales no requieren el cdigo
explcito del problema. Por ejemplo, para generar un modelo que lleve a
cabo un pronstico de ventas, una Red Neuronal solo necesita que le
den los datos sin preparar relacionados con el problema. Los datos sin
preparar podran consistir en: historias de ventas pasadas, precios,
precios de la competencia y otras variables econmicas. La Red
Neuronal escoge entre esta informacin y produce un acuerdo de los
factores que influyen en las ventas. El modelo puede entonces ser
llamado para dar una prediccin de ventas futuras dado un pronstico de
los factores claves. Estos adelantos son debidos a la creacin de reglas
de aprendizaje de una Red Neuronal, que son los algoritmos usados
para "aprender" las relaciones de los datos. Las reglas de aprendizaje
habilitan a la red para "ganar conocimiento" desde datos disponibles y
aplica ese conocimiento para asistir al gerente para hacer decisiones
claves. Aunque su estructura vara segn el tipo de red, lo ms usual es
que haya tres capas de neuronas, una de entrada, que recoge los
estmulos, otra oculta, que procesa la informacin, y otra de salida, que
ejecuta la respuesta.
25
Sistemas Fuzzy: Estos son sistemas que contienen en sus

comandos unas tcnicas que se utilizan para razonar de acuerdo a la
incertidumbre del problema (se ajusta o reacciona). Actualmente es bien
utilizado en la industria moderna en especial en los sistemas de control
de productos al consumidor.
Sistemas difusos: Tcnicas para lograr el razonamiento bajo

incertidumbre. Ha sido ampliamente usada en la industria moderna y en
productos de consumo masivo, como las lavadoras.
Computacin evolutiva: Aplica conceptos inspirados en la biologa,

tales como poblacin, mutacin y supervivencia del ms apto para
generar soluciones sucesivamente mejores para un problema. Estos
mtodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos
genticos) e inteligencia colectiva (ej. algoritmos hormiga).
Modelos ocultos de Markov: Aprendizaje basado en dependencia

temporal de eventos probabilsticas. Un modelo oculto de Mrkov o
HMM (por sus siglas del ingls, Hidden Markov Model) es un modelo
estadstico en el que se asume que el sistema a modelar es un proceso
de Mrkov de parmetros desconocidos. El objetivo es determinar los
parmetros desconocidos (u ocultos, de ah el nombre) de dicha cadena
a partir de los parmetros observables. Los parmetros extrados se
pueden emplear para llevar a cabo sucesivos anlisis, por ejemplo en
aplicaciones de reconocimiento de patrones. Un HMM se puede
considerar como la red bayesiana dinmica ms simple. En un modelo
de Mrkov normal, el estado es visible directamente para el observador,
por lo que las probabilidades de transicin entre estados son los nicos
26
parmetros. En un modelo oculto de Mrkov, el estado no es visible

directamente, sino que slo lo son las variables influidas por el estado.
Cada estado tiene una distribucin de probabilidad sobre los posibles
smbolos de salida. Consecuentemente, la secuencia de smbolos
generada por un HMM proporciona cierta informacin acerca de la
secuencia
de
estados.
Los
modelos
ocultos
de
Mrkov
son
especialmente aplicados a reconocimiento de formas temporales, como

reconocimiento del habla, de escritura manual, de gestos, etiquetado
gramatical o en bioinformtica. En el reconocimiento de voz se emplea
para modelar una frase completa, una palabra, un fonema o trifonema
en el modelo acstico.
6. CATEGORAS DE LA INTELIGENCIA
ARTIFICIAL
Stuart Russell y Peter Norvig diferencian estos tipos de la inteligencia artificial:
Sistemas que piensan como humanos.- Estos sistemas tratan de
emular el pensamiento humano; por ejemplo las redes neuronales
artificiales. La automatizacin de actividades que vinculamos con
procesos de pensamiento humano, actividades como la toma de
decisiones
Sistemas que actan como humanos.- Estos sistemas tratan de
actuar como humanos; es decir, imitan el comportamiento humano; por
27
ejemplo la robtica. El estudio de cmo lograr que los computadores

realicen tareas que, por el momento, los humanos hacen mejor.
Sistemas
que
piensan
racionalmente.-
Es
decir,
con
lgica
(idealmente), tratan de imitar o emular el pensamiento lgico racional del

ser humano; por ejemplo los sistemas expertos. El estudio de los
clculos que hacen posible percibir, razonar y actuar.
Sistemas que actan racionalmente (idealmente).- Tratan de emular
de forma racional el comportamiento humano; por ejemplo los agentes
inteligentes. Est relacionado con conductas inteligentes en artefactos.
7. LA INTELIGENCIA ARTIFICIAL Y LOS

SENTIMIENTOS
El concepto de IA es an demasiado difuso. Contextualizando, y teniendo en
cuenta un punto de vista cientfico, podramos englobar a esta ciencia como la
encargada de imitar una persona, y no su cuerpo, sino imitar al cerebro, en
todas sus funciones, existentes en el humano o inventadas sobre el desarrollo
de una mquina inteligente.
A veces, aplicando la definicin de Inteligencia Artificial, se piensa en mquinas
inteligentes sin sentimientos, que obstaculizan encontrar la mejor solucin a
un problema dado. Muchos pensamos en dispositivos artificiales capaces de
28
concluir miles de premisas a partir de otras premisas dadas, sin que ningn tipo
de emocin tenga la opcin de obstaculizar dicha labor.
En esta lnea, hay que saber que ya existen sistemas inteligentes. Capaces de
tomar decisiones acertadas.
Aunque, por el momento, la mayora de los investigadores en el mbito de la
Inteligencia Artificial se centran slo en el aspecto racional, muchos de ellos
consideran seriamente la posibilidad de incorporar componentes emotivos
como indicadores de estado, a fin de aumentar la eficacia de los sistemas
inteligentes.
Particularmente para los robots mviles, es necesario que cuenten con algo
similar a las emociones con el objeto de saber en cada instante y como
mnimo qu hacer a continuacin [Pinker, 2001, p. 481].
Al tener sentimientos y, al menos potencialmente, motivaciones, podrn
actuar de acuerdo con sus intenciones [Mazlish, 1995, p. 318]. As, se podra
equipar a un robot con dispositivos que controlen su medio interno; por
ejemplo, que sientan hambre al detectar que su nivel de energa est
descendiendo o que sientan miedo cuando aquel est demasiado bajo.
Esta seal podra interrumpir los procesos de alto nivel y obligar al robot a
conseguir el preciado elemento [Johnson-Laird, 1993, p. 359]. Incluso se podra
introducir el dolor o el sufrimiento fsico, a fin de evitar las torpezas de
funcionamiento como, por ejemplo, introducir la mano dentro de una cadena de
engranajes o saltar desde una cierta altura, lo cual le provocara daos
irreparables.Esto significa que los sistemas inteligentes deben ser dotados con
mecanismos de retroalimentacin que les permitan tener conocimiento de
estados internos, igual que sucede con los humanos que disponen de
propiocepcin, interocepcin, nocicepcin, etctera. Esto es fundamental tanto
para tomar decisiones como para conservar su propia integridad y seguridad.
La retroalimentacin en sistemas est particularmente desarrollada en
ciberntica, por ejemplo en el cambio de direccin y velocidad autnomo de un
misil, utilizando como parmetro la posicin en cada instante en relacin al
objetivo que debe alcanzar. Esto debe ser diferenciado del conocimiento que
29
un sistema o programa computacional puede tener de sus estados internos, por

ejemplo la cantidad de ciclos cumplidos en un loop o bucle en sentencias tipo
do... for, o la cantidad de memoria disponible para una operacin determinada.
A los sistemas inteligentes el no tener en cuenta elementos emocionales les
permite no olvidar la meta que deben alcanzar. En los humanos el olvido de la
meta o el abandonar las metas por perturbaciones emocionales es un problema
que en algunos casos llega a ser incapacitante. Los sistemas inteligentes, al
combinar una memoria durable, una asignacin de metas o motivacin, junto a
la toma de decisiones y asignacin de prioridades con base en estados
actuales y estados meta, logran un comportamiento en extremo eficiente,
especialmente ante problemas complejos y peligrosos.
Al preguntarse si las mquinas seran capaces de pensar Russel Stuart
propone un trmino interesante: aI dbil. Este trmino propone dos
afirmaciones que complicarn un poco el trabajo de los cientficos para los
prximos aos. Russel afirma que, hay cosas que las computadoras no
pueden hacer, independientemente de cmo se les programe, y ciertas
formas de disear programas inteligentes estn condenadas al fracaso tarde o
temprano. Teniendo en consideracin estas afirmaciones, la idea ms
acertada sera pensar que nunca se va a lograr que las mquinas tengan un
pensamiento al menos similar al humano.
Alan Turing, reconocido cientfico del rea propone en su ms famoso escrito
Computing Machinery and Intelligence que no hay que preguntarse si las
mquinas pueden pensar, si no que si seran capaces de pasar una prueba
conductual. Lo que luego se llam la Prueba de Turing, propona que una
mquina fuera capaz de conversar ante un interrogatorio por cinco minutos
para el ao 2000; y de hecho, en parte se logr. Se concluye entonces, que las
mquinas en realidad s puedan pensar, aunque nunca podrn tener sentido
del humor, enamorarse, aprender de la experiencia, saber distinguir lo bueno
de lo malo y otras actitudes propias del humano
Inteligencia Artificial: Un Enfoque Moderno dedica su ltimo captulo a
preguntarse qu sucedera si se concibieran mquinas capaces de pensar. Nos
damos cuenta que preguntas tales como Deberan tener las mquinas sus
30
propios derechos? o Cmo interaccionaran las mquinas inteligentes con

los seres humanos? o Qu sucedera si las mquinas inteligentes deciden
trabajar en contra de los intereses de los seres humanos? salen a flote y
deben ser tenidas en cuenta.
Entonces es cuando nos preguntamos si es conveniente seguir con este
proyecto, arriesgarse y seguir hacia un camino desconocido y creer que lo que
puede llegar a suceder no ser negativo.
Russel y Norvig ven a este mundo desconocido como algo un poco ms
optimista. Ellos opinan que las mquinas inteligentes son capaces de mejorar
las circunstancias materiales en las que se desenvuelve la vida humana y que
de ninguna manera podrn afectar nuestra calidad de vida de manera negativa.
Siempre cabe la posibilidad de que esto se desarrolle de manera positiva o que
las mquinas afecten el crecimiento de los nios, y generen ms estrs en los
adultos. El resto, opinan los autores, no parece ser tan terriblemente negativo.
En sntesis, lo racional y lo emocional estn de tal manera interrelacionados
entre s, que se podra decir que no slo no son aspectos contradictorios sino
que son hasta cierto punto complementarios.
8. APLICACIONES ACTUALES DE LA
INTELIGENCIA ARTIFICIAL
Robtica
La robtica es la ciencia que estudia el diseo y la implementacin de robots,

conjugando mltiples disciplinas, como la mecnica, la electrnica, la
informtica, la inteligencia artificial y la ingeniera de control, entre otras.
Para definirlo en trminos generales, un robot es una mquina automtica o
autnoma que posee
31
cierto grado de inteligencia, capaz de percibir su entorno y de imitar

determinados comportamientos del ser humano. Los robots se utilizan para
desempear labores riesgosas o que requieren de una fuerza, velocidad o
precisin que est fuera de nuestro alcance. Tambin existen robots cuya
finalidad es social o ldica.
El trmino robot tiene su origen en el ttulo de la obra teatral Robots
Universales Rossum, escrita por el novelista y dramaturgo checo Karel Capek,
en 1920. La palabra checa robota, que significa trabajos forzados, fue
traducida al ingls como robot.
Los robots se usan en diversos mbitos y para cumplir tareas variadas: desde
los brazos robticos utilizados en la industria automotriz hasta el novedoso
sistema quirrgico Da Vinci, que permite practicar cirugas de alta complejidad
poco invasivas y con una precisin sin precedentes; desde los robots
espaciales diseados para explorar la superficie de planetas desconocidos
hasta la aspiradora domstica (Roomba) , que realiza la limpieza de manera
autnoma, o el Nano colibr, un pjaro utilizado para espionaje militar. Pero
quiz los ms llamativos sean los androides, que imitan la morfologa, el
comportamiento y el movimiento de los seres humanos. Uno de los ms
conocidos en la actualidad es ASIMO, pensado para llevar a cabo labores
asistenciales y sociales. Aunque se encuentra en una etapa experimental,
ASIMO es capaz de caminar o subir escaleras por s solo.
Desde siempre, las personas han querido desarrollar seres animados con
diferentes fines. Este deseo de dar vida, conjugado con el progreso mecnico,
cientfico, tecnolgico y electrnico a lo largo de la historia, dio lugar a la
creacin de los autmatas, mquinas que imitan la figura y los movimientos de
un ser animado, antecedente directo de los robots. Los primeros autmatas se
remontan a la Antigedad: egipcios y griegos fueron pioneros en el desarrollo
de la mecnica y la ingeniera. Conocan y utilizaban a la perfeccin principios
mecnicos como la rueda, el eje, la cua, la palanca, el engranaje, la rosca y la
polea, elementos que constituyen la base de muchos mecanismos empleados
32
en la actualidad. Tenan tambin un profundo conocimiento de hidrulica y

neumtica, que usaban para dar movimiento a algunas estatuas.
En el siglo I d. C., Hern de Alejandra escribi el primer tratado de robtica,
Los autmatas, y cre los primeros autmatas: el teodolito, un aparato que
meda ngulos, distancias y desniveles, y el odmetro, que meda distancias
recorridas.
Durante la Edad Media, dos personajes se destacaron por sus invenciones.
Alberto Magno (1206- 1280) cre un autmata de hierro que le serva como
mayordomo poda caminar, abrir puertas y comunicarse con los invitados, y una
cabeza parlante que predeca el futuro. Al Jazari, uno de los ms grandes
ingenieros de la historia, invent un reloj elefante, con seres humanos y
animales mecnicos.
El Renacimiento fue un perodo rico en pensadores e invenciones. El enorme
inters por la investigacin en el campo de las ciencias que explican al mundo
y al ser humano impuls el desarrollo de espectaculares maquinarias.
Leonardo Da Vinci (1452-1519), quizs el ms grande inventor de todos los
tiempos, cre, entre otras, la mquina de volar.
El
matemtico
filsofo
Blaise
Pascal
(1623-1662),
un
destacado
representante del racionalismo, invent la primera mquina de calcular.

Durante la misma poca, la corriente de pensamiento de Ren Descartes
(1596-1650) se sostuvo en el postulado de que todo se explica a travs de las
matemticas. Tambin tom al ser humano como referente y antecesor primero
de toda maquinaria. Por su parte, el ingeniero e inventor Jacques de
Vaucanson (1709-1782) cre un pato artificial que mova las alas y realizaba el
proceso digestivo completo, y dos msicos autmatas: El flautista y El
tamborilero, que podan tocar un amplio repertorio musical.
Hasta el siglo xviii, se haba instalado cierto optimismo respecto del bienestar y
progreso socioeconmicos que el desarrollo de tecnologa para todas las
maquinarias traera aparejado.
Sin embargo, a partir de la Revolucin Industrial, los aspectos positivos
asociados a este paradigma comienzan a ser cuestionados: las mquinas
empiezan a reemplazar y ya no tanto a aliviar la mano de obra. Tambin el
medioambiente se ve notablemente perjudicado, pues este nuevo modelo
econmico requiere de la explotacin de recursos naturales para sostenerse.
33
En 1929, con la crisis mundial derivada de la cada de Wall Street, la sociedad

se vuelve pesimista y es cada vez ms crtica respecto del avance tecnolgico
y el sistema industrial. Adems, la
Primera y la Segunda Guerra Mundial ponen de manifiesto el carcter
destructivo que se da al uso de la tecnologa.
En la actualidad, las opiniones estn encontradas y el espectro es muy amplio:
desde las sociedades consumistas, adictas al uso de artefactos que parecieran
cumplir infinitas funciones, hasta la tendencia a volver a las viejas costumbres,
como promueven los impulsores de la slow-life o vida lenta. La situacin es
compleja: por un lado, tenemos la sensacin de que la evolucin tecnolgica
cumplir todos nuestros deseos; por el otro, nos produce sentimientos de
control social o de dependencia absoluta, algo por completo ajeno al deseo
humano.
La robtica juega un papel central dentro del campo de las investigaciones
cientficas.
Sus objetivos actuales son obtener prototipos que nos asistan, alivien nuestras
labores y nos brinden una agradable compaa. Hasta ac, el desarrollo de
estos experimentos parecera propiciar el bienestar social. No obstante, el
vertiginoso avance de la ciencia y la tecnologa obliga
a cuestionarse los lmites de los resultados alcanzados. Aunque no se pueda
establecer con certeza qu curso se dar a los alcances de la investigacin,
cabe preguntarse: hasta qu punto ser til que los robots desempeen las
tareas de los humanos? En qu momento este soporte se transforma en la
anulacin de las personas y sus funciones bsicas? De qu manera se
podran encauzar las actividades cientficas para garantizar el bienestar de las
personas y evitar el control de sus actos?
Para organizar el funcionamiento de un robot, se programa una serie de
funciones que sern almacenadas en su cerebro. Se trata del micro
controlador, un circuito integrado programable conformado por las mismas
unidades funcionales que una computadora: un procesador, una memoria, y
dispositivos de entrada y salida.
34
De esta manera, una vez programadas las funciones, el robot ejecuta las
acciones como respuesta a estas rdenes almacenadas en su cerebro. Este
programa es utilizado mediante un cdigo binario, y para entendernos mejor
con los robots y viceversa, la solucin para establecer la comunicacin entre
ambas partes fue desarrollar un lenguaje intermedio, que reconozca nuestras
instrucciones y las retransmita en el idioma de las computadoras. Esa es la
funcin del entorno de programacin: traducir nuestra sintaxis en cdigo de
mquina, el cdigo binario de ceros y unos.
La estructura que es desarrollado en los grandes laboratorios son cinco:
1. Poliarticulados
En este grupo se encuentran los Robots de muy diversa forma y configuracin,
cuya caracterstica comn es la de ser bsicamente sedentarios (aunque
excepcionalmente
pueden
ser
guiados para
efectuar desplazamientos
limitados) y estar estructurados para mover sus elementos terminales en un

determinado espacio de trabajo segn uno o ms sistemas de coordenadas, y
con un nmero limitado de grados de libertad.
2. Mviles
Son Robots con gran capacidad de desplazamiento, basada en carros o
plataformas y dotada de un sistema locomotor de tipo rodante. Siguen su
camino por telemando o guindose por la informacin recibida de su entorno a
travs de sus sensores. Estos Robots aseguran el transporte de piezas de un
punto a otro de una cadena de fabricacin. Guiados mediante pistas
materializadas a travs de la radiacin electromagntica de circuitos
empotrados en el suelo, o a travs de bandas detectadas fotoelctricamente,
pueden incluso llegar a sortear obstculos y estn dotados de un nivel
relativamente elevado de inteligencia.
3. Androides
Son Robots que intentan reproducir total o parcialmente la forma y el
comportamiento cinemtico del ser humano. Actualmente, los androides son
35
todava dispositivos muy poco evolucionados y sin utilidad prctica, y

destinados, fundamentalmente, al estudio y experimentacin. Uno de los
aspectos ms complejos de estos Robots, y sobre el que se centra la mayora
de los trabajos, es el de la locomocin bpeda. En este caso, el principal
problema es controlar dinmica y coordinadamente en el tiempo real el proceso
y mantener simultneamente el equilibrio del Robot.
4. Zoomrficos
Los Robots zoomrficos, que considerados en sentido no restrictivo podran
incluir tambin a los androides, constituyen una clase caracterizada
principalmente por sus sistemas de locomocin que imitan a los diversos seres
vivos. A pesar de la disparidad morfolgica de sus posibles sistemas de
locomocin es conveniente agrupar a los Robots zoomrficos en dos
categoras principales: caminadores y no caminadores, estas aplicaciones de
estos Robots sern interesantes en el campo de la exploracin espacial y en el
estudio de los volcanes.
5. Hbridos
Corresponden a aquellos de difcil clasificacin, cuya estructura se sita en
combinacin con alguna de las anteriores ya expuestas, bien sea por
conjuncin o por yuxtaposicin
Algoritmo
Por algoritmo, se entiende a un conjunto finito de instrucciones que se deben
seguir para resolver un problema. No obstante, desde el punto de vista de la
programacin
de
ordenadores,
la
definicin
del
algoritmo
como
la
especificacin de una serie de pasos, es incompleta. Debe observarse que los

ordenadores son equipos que tienen limitaciones fsicas en cuanto a capacidad
de almacenamiento y procesamiento. Por consiguiente debemos refinar un
poco ms nuestra definicin de algoritmo para hacerla aplicable de manera
efectiva en el mbito de la informtica.
36
El algoritmo es un conjunto de pasos, instrucciones o acciones que se deben

seguir para resolver un problema. Existen una gran cantidad de algoritmos, hay
que coger el ms efectivo. Hay dos tipos de algoritmos que son los cualitativos
y cuantitativos; cualitativos son todos aquellos pasos o instrucciones descritos
por medio de palabras que sirven para llegar a la obtencin de una respuesta o
solucin de un problema, y cuantitativos son todos aquellos pasos o
instrucciones que involucran clculos numricos para llegar a un resultado
satisfactorio.
No podemos apartar nuestra vida cotidiana los algoritmos, ya que al realizar
cualquier actividad diaria los algoritmos estn presentes aunque pasan
desapercibidos, por ejemplo: Al levantarnos cada da para hacer nuestras
labores hacemos una serie de pasos una y otra vez; eso es aplicar un algoritmo
A lo largo de la historia varios autores han tratado de definir formalmente a los
algoritmos utilizando modelos matemticos. Esto fue realizado por Alonzo
Church en 1936 con el concepto de "calculabilidad efectiva" basada en su
clculo lambda y por Alan Turing basndose en la mquina de Turing. Los dos
enfoques son equivalentes, en el sentido en que se pueden resolver
exactamente los mismos problemas con ambos enfoques. [8]
[9]
Sin embargo,
estos modelos estn sujetos a un tipo particular de datos como son nmeros,
smbolos o grficas mientras que, en general, los algoritmos funcionan sobre
una vasta cantidad de estructuras de datos.[3]
[1]
En general, la parte comn en
todas las definiciones se puede resumir en las siguientes tres propiedades

siempre y cuando no consideremos algoritmos paralelos:[7]
Tiempo
secuencial.
Un
algoritmo
funciona
en
tiempo
discretizado paso a paso, definiendo as una secuencia de

estados "computacionales" por cada entrada vlida (la entrada
son los datos que se le suministran al algoritmo antes de
comenzar).
Estado abstracto. Cada estado computacional puede ser
descrito formalmente utilizando una estructura de primer orden y
cada algoritmo es independiente de su implementacin (los
37
algoritmos son objetos abstractos) de manera que en un algoritmo
las estructuras de primer orden son invariantes bajo isomorfismo.

Exploracin acotada. La transicin de un estado al siguiente
queda completamente determinada por una descripcin fija y
finita; es decir, entre cada estado y el siguiente solamente se
puede tomar en cuenta una cantidad fija y limitada de trminos
del estado actual.
En resumen, un algoritmo es cualquier cosa que funcione paso a paso, donde

cada paso se pueda describir sin ambigedad y sin hacer referencia a una
computadora en particular, y adems tiene un lmite fijo en cuanto a la cantidad
de datos que se pueden leer/escribir en un solo paso. Esta amplia definicin
abarca tanto a algoritmos prcticos como aquellos que solo funcionan en
teora, por ejemplo el mtodo de Newton y la eliminacin de Gauss-Jordan
funcionan, al menos en principio, con nmeros de precisin infinita; sin
embargo no es posible programar la precisin infinita en una computadora, y no
por ello dejan de ser algoritmos.[10] En particular es posible considerar una
cuarta propiedad que puede ser usada para validar la tesis de Church-Turing
de que toda funcin calculable se puede programar en una mquina de Turing
(o equivalentemente, en un lenguaje de programacin suficientemente
general):[10]
Otras caractersticas:
Tiene que ser preciso.
La programacin es adaptar el algoritmo al ordenador.
El algoritmo es independiente segn donde lo implemente.
Cada paso del algoritmo debe estar bien definido: Esto significa que
la definicin de un paso debe ser suficientemente clara, para que una
persona pueda entenderla y realizarla. Si bien no se puede dar un
criterio determinstico para decidir si un paso est bien definido,
38
debemos apelar al sentido comn para decidir que un paso est

especificado sin ambigedades.
Algoritmos para que un ordenador funcione

Un ordenador o computadora est, desde que se enciende hasta que se apaga
totalmente, ejecutando un algoritmo. Por lo general, estos algoritmos, escritos
para que los entienda una mquina, terminan siendo vagos y confusos para la
mayora de quienes no han estudiado programacin. Una mquina no puede
entender "escribe Hola Mundo!" porque no sabe lo que es "escribe" ni lo que es
una letra o un espacio, ni lo que es una pantalla. En cambio, puede entender
"mov eax, 0x23afb31" (escribir en el registro eax el nmero 0x23afb31), aunque
nosotros no. Un ordenador es solo un circuito electrnico, no funciona a base
de magia ni nada por el estilo.
Debido a lo difcil que es escribir en lenguaje mquina, e incluso en
ensamblador, se crearon diferentes lenguajes de programacin, ms o menos
parecidos al ingls actual y a cmo se redacta un algoritmo. Estos lenguajes
proveen de cosas tan complejas para una mquina como los bucles for. Los
compiladores se encargan de traducir esos ficheros al lenguaje ensamblador
que corresponda, el ensamblador de traducirlos a lenguaje mquina y el
enlazador de juntar todo ese cdigo mquina en un solo archivo, el programa.
Y el microprocesador, se encarga de ir encendiendo o apagando transistores
segn lo que le diga el cdigo mquina. Es fcil entender el lenguaje de alto
nivel en comparacin al lenguaje maquina pero de la evolucin surgieron.
Estructura de un Algoritmo
Todo algoritmo consta de tres secciones principales:
Entrada: Es la introduccin de datos para ser transformados.
Proceso: Es el conjunto de operaciones a realizar para dar solucin al

problema.
39
Salida: Son los resultados obtenidos a travs del proceso.
Un algoritmo se puede concebir como una funcin que transforma los datos de
un problema (entrada) en los datos de una solucin (salida). Ms aun, los datos
se pueden representar a su vez como secuencias de bits, y en general, de
smbolos cualesquiera.[1]
[9] [11]
Como cada secuencia de bits representa a un
nmero natural (vase Sistema binario), entonces los algoritmos son en

esencia funciones de los nmeros naturales en los nmeros naturales que s se
pueden calcular. Es decir que todo algoritmo calcula una funcin
donde cada nmero natural es la codificacin de un problema o de una
solucin.
Tipos de datos que se utilizan en un algoritmo

a) Numricos: Representan un valor entero y real.
b) Lgicos: Solo pueden tener dos valores (verdadero o falso), y son el
resultado de una comparacin.
c) Alfanumricos: Son una serie de caracteres que sirven para
representar y manejar datos como nombres de personas, artculos,
productos, direcciones, etc.
Diseo de algoritmos
Alternativas de solucin: Es la forma de representar la secuencia lgica de
ejecucin de instrucciones. Esta puede ser a travs de:
1) Diagramas de flujo
2) Pseudocdigo
Diagrama de flujo: Es empleado para representar la solucin de un algoritmo
empleando figuras geomtricas, donde cada una de ellas representa en
particular una tarea especfica que realizar.
Los diagramas de flujo son usados para representar algoritmos pequeos, ya
que abarcan mucho espacio y su construccin es laboriosa. Por su facilidad de
40
lectura son usados como introduccin a los algoritmos, descripcin de un

lenguaje y descripcin de procesos a personas ajenas a la computacin
Pseudocdigo: Es empleado para representar la solucin de un algoritmo
empleando lenguaje natural escrito estableciendo la secuencia de pasos sin
imprecisiones y de manera clara.
Los Sistemas Expertos

Los sistemas expertos forman parte de ciencia computacional y dentro de esta
rama se ubica la inteligencia artificial. Este trmino fue usado por primera vez
por un doctor de la universidad de Standford, Edward A. Feigenbaum. l
estipulo que el poder de la resolucin de un programa de computadora viene
del conocimiento de un dominio especfico, no solo de tcnicas de
programacin y el formalismo que contiene. Antes de eso casi todas las
investigaciones sobre inteligencia artificial haban tratado desarrollar mtodos
generales de programacin que resolvan grandes problemas conceptuales
pero estos programas resolvan pobremente los problemas individuales
El trmino de sistema experto se refiere a un software que imita el
comportamiento de un experto humano en la solucin de un problema en un
campo particular. Un sistema experto puede almacenar conocimiento
proporcionado por expertos sobre un campo determinado y solucionar
problemas mediante lgica de conclusiones
El objetivo de un sistema experto es igualar el comportamiento de los expertos
humanos, al referirnos de expertos humanos hacemos referencia a las
personas que pueden tomar buenas decisiones acertadas en ambientes
rodeados de riesgos e incertidumbre pero poseen la habilidad superior de
hacerlo como resultado de su entrenamiento, experiencia y prctica
profesional.
El poder de los sistemas expertos es el conocimiento del dominio especfico
codificado por un ingeniero de sistemas experto en inteligencia artificial llamado
ingeniero
de
conocimientos.
En
esta
41
comunicacin
el
ingeniero
de
conocimientos establece las reglas del sistema y los pasos a seguir. Todo esto
genera dos conceptos importantes en los sistemas expertos, la base de
conocimiento y la mquina de interferencia.
Hemos establecido que los sistemas expertos estn para resolver alguna
situacin especfica a travs del conocimiento aportado por el especialista
Caractersticas de un sistema experto
Habilidad para llegar a la solucin de una forma rpida y certera.

Esta es la habilidad principal que se espera que un sistema experto
posea y pueda llevar a cabo. Al mencionar de una forma rpida y
certera obliga a que el experto no solo tenga conocimiento del campo
en el que va diagnosticar, sino que adems tenga experiencia tomando
decisiones por el mismo
Habilidad para explicar los resultados a personas que no cuentan

con ese conocimiento
Esto significa que el sistema experto debe poder responder de forma
clara y certera las preguntas concernientes a las razones de los
resultados, el razonamiento derivado de los mismos y las implicaciones
subsecuentes. Generalmente las personas que no cuentan con el
conocimiento esperan recibir una respuesta ms prctica y que se
acerque a condiciones que ellos pueden entender
Habilidad de aprender con la experiencia

Los expertos deben de aprender tanto de sus propias experiencias como
de las experiencias de los dems. Estn obligados a estar al da en
cuanto a su base de conocimientos as como modificar el proceso de su
razonamiento. Los expertos que no se mantienen al da se vuelven
obsoletos
42
Habilidad para reestructurar el conocimiento para que se adapte al

ambiente
Esto se refiere a que el experto puede subdividir la base del
conocimiento y usar la porcin til de la misma en la resolucin del
problema, reduciendo as el tiempo de respuesta. Tambin se refiere a
visualizar el problema de distintas perspectivas usando varias porciones
de conocimiento y aplicar conocimientos al problema de distintos niveles
Conciencia de sus limitaciones

Los expertos pueden evaluar su capacidad para resolver un problema
dado y determinar si el mismo se encuentra dentro de sus posibilidades
de resolucin. Esto tambin significa que saben cundo referirse a otros
expertos
Componentes
Un punto importante de los sistemas expertos es la separacin entre las reglas
y hechos (conocimiento) y su procesamiento. En base de esto encontraremos
que los componentes de los sistemas expertos son
Base de conocimiento
Dentro de la base de conocimiento existen tres tipos de conocimientos para
construir un sistema experto:
1.
Reglas
2.
Hechos y relaciones entre los componentes
3.
Afirmaciones y preguntas
Para representar este tipo de conocimientos en la base de conocimientos, se

utilizan tres mtodos
43
Reglas: las reglas son una serie de declaraciones estructuradas en

forma de oraciones condicionales y estn expresadas a travs de
estructuras condicionales. Con ellas se pueden hacer reglas que regulen
el resultado de determinada informacin y proporcionan distintos
caminos que nos llevan a un proceso ms eficiente. Generalmente son
usados en decisiones binarias o ms sencillas.
Estructuras: Las estructuras contienen una jerarqua de componentes y

de atributos de objetos que pueden ser asignados o heredados de otras
estructuras a travs de diversos procedimientos. Los atributos se
encuentran en las casillas de las estructuras. La diferencia entre una
estructura y una regla es que una estructura puede representar valores
iniciales, apuntadores u otras estructuras o reglas y procedimientos para
los cuales se han especificado valores, trminos y condiciones de
cualquier accin que necesite ser tomada.
Lgica: Las expresiones lgicas cuentan con predicados, valores y

tomos para evaluar hechos del mundo real. El objeto puede ser una
constante o una variable que puede cambiar a travs del tiempo
Interaccin humano computadora

El mecanismo de interaccin humano computadora produce un dialogo entre la
computadora y el usuario. El sistema experto puede hacer uso de diversas
disciplinas para facilitar su uso. Dentro de ellas se encuentra la educacin, la
psicologa, la antropologa y la sociologa.
La interfaz del usuario es el elemento ms dbil pero tambin uno de los ms
crticos en un sistema experto ya que determina que tan bien los sistemas
expertos sern aceptados por los usuarios. Ha habido grandes investigaciones
en interfaces de lenguaje natural, reconocimiento y sintonizacin de voz para
hacer a los sistemas expertos ms amigables
44
45
9. APLICACIONES FUTURAS DE LA
Robots en charla (Chatbot)

Un chatbot es una persona jurdica, animal u otra criatura que mantiene
conversaciones con los seres humanos. Esto podra ser un texto basado
(mecanografiado) conversacin, una conversacin hablada o incluso una
conversacin no verbal. Chatbot puede ejecutarse en ordenadores y los
telfonos locales, aunque la mayora de las veces que se accede a travs de
Internet.
Segn Richard Wallace, desarrollo chatbots enfrent tres fases en los ltimos
60 aos. En un principio, slo se chatbot simulado conversaciones humanas,
usando respuestas enlatadas basados en palabras clave, y tena casi ninguna
inteligencia. Segunda fase del desarrollo se asoci estrictamente con la
expansin de Internet, gracias a la cual un chatbot fue ampliamente accede y
convers con miles de usuarios. Luego, los primeros desarrolladores Chatbot
comerciales aparecieron. La tercera ola de desarrollo chatbots se combina con
tecnologas avanzadas como el procesamiento del lenguaje natural, sntesis de
voz y haciendo vdeos en tiempo real. Se compone de chatbot presenten
dentro de las pginas web, la mensajera instantnea y los mundos virtuales.
El
uso
tpico
Chatbot suele percibirse como la participacin entidad software que los seres
humanos pueden hablar. Puede ser interesante, estimulante e intrigante. Al
parecer, en todas partes, desde los viejos pginas antigua HTML para sitios
web de redes sociales modernas avanzadas, y de computadoras estndar para
los
dispositivos
mviles
inteligentes
de
moda.
Chatbots hablan en casi todos los idiomas principales. Su lenguaje

46
(procesamiento del lenguaje natural, la PNL) habilidades varan de muy pobre a

muy inteligente inteligente, til y divertido. Lo mismo ocurre con su diseo
grfico, a veces se siente como un personaje caricaturesco dibujado por un
nio, y por otro lado, hay personajes animados en 3D con realismo fotogrfico
disponibles, que son difciles de distinguir de los seres humanos. Y todos ellos
son conocidos como 'chatbots.
El trmino Chatbot est estrechamente relacionada a charlar con un robot.
Chatterbot es ms popular en relacin a chatbot que hablan mucho, y no es
necesario muy inteligente en el procesamiento de las respuestas de los
usuarios. Chatea bot es utilizado por personas tcnicas que consideran la
palabra 'bot' como un trmino normal para acciones robotizada ', y para ellos'
bot
chat
'es
un
tipo
especial
de
bot.
Un ejemplo bien conocido de un Chatbot es A.L.I.C.E. (Artificial Lingstica

Informtica Internet Entidad), originalmente creado por Richard Wallace en
1995 y se extendi desde entonces. A.L.I.C.E. ganado muchos honores y
premios en varios concursos de PNL, como premio Loebner, El desafo del
parlanchn
BCS
Mquina
Inteligencia
Competencia.
A.L.I.C.E. fue escrito en el marco de Inteligencia Artificial Markup Language

(AIML), un estndar abierto para la creacin de cualquier tipo de chatbot,
tambin desarrollado por Wallace. La mayora de los intrpretes AIML se
ofrecen bajo una licencia de cdigo libre o abierto. Por lo tanto, muchos
"clones" Alicebot pueblan internet, despus de haber sido creado basan en la
aplicacin original de ALICE y su base de conocimientos AIML. Este video
muestra un discurso dado por el dr. Wallace acerca de ALICE, AIML y la historia
chatbot
en
general.
Desde la fuerte subida de las plataformas de hardware y software disponibles

ltimamente, hoy en da chatbots estn disponibles en todas partes.
Originalmente, eran muy ajustado a las computadoras, entonces intercambiable
a travs de cintas, discos y disquetes, pero desde la era de Internet que han
sido generalizados.
Test de Turing
47
A veces es difcil de descubrir si un interlocutor en el otro extremo es una

persona real o un chatbot. De hecho, cada vez es ms difcil a medida que
avanza la tecnologa. Una forma bien conocida para medir la inteligencia
chatbot de una manera ms o menos objetivo es la llamada prueba de Turing.
Esta prueba determina qu tan bien un chatbot es capaz de aparecer como una
persona real, dando respuestas indistinguibles de la respuesta de un ser
humano.
El primero de instancias formales de un Test de Turing para la inteligencia de la
mquina es un Premio Loebner y ha sido organizada desde 1991. En una
configuracin tpica, hay tres reas: la zona de ordenadores con tpicamente 35 computadoras, cada una ejecutando una versin independiente ( es decir, no
est conectado con el Internet) de la chatbot participantes, un rea para los
jueces humanos, por lo general cuatro personas, y otra rea para los
'cmplices', tpicamente 3-5 seres humanos voluntarios, dependiendo del
nmero de participantes Chatbot. Los jueces humanos, trabajando en su propio
terminal separados unos de otros, participar en una conversacin con un ser
humano o una computadora a travs de la terminal, sin saber si estn
conectados a una computadora o un humano. Entonces, simplemente
empiezan a interactuar. El comit organizador requiere que las conversaciones
se limitan a un solo tema. La tarea de los jueces humanos es reconocer
respuestas Chatbot y distinguirlas de las conversaciones con los seres
humanos. Si los jueces no pueden distinguir con fiabilidad el chatbot de lo
humano, se dice que el chatbot haber pasado la prueba
A pesar de todos los esfuerzos durante casi medio siglo, la mayora de chatbots
siguen siendo fcilmente descubierto, pero en las prximas dcadas que
definitivamente van a ser ms inteligentes y, finalmente, vamos a distinguir los
seres humanos por ellos darnos respuestas tontas a diferencia de los chatbots
mucho ms inteligentes. Todo esto realmente comenzar a acelerar tan pronto
como uno solo chatbot es ms inteligente que un solo ser humano. A
continuacin, ser capaz de aprender unos de otros, en lugar de aprender de
los seres humanos, su conocimiento va a explotar y que ser capaz de disear
incluso mejores mecanismos de aprendizaje. En el largo plazo, vamos a
48
aprender
el
lenguaje
de
chatbots
en
lugar
de
al
revs.
Robtica Cognitiva o robots con razonamiento

Si se consigue que los robots desarrollen por s mismos sus capacidades
cognitivas, se evitara el programarlos a mano para cada tarea o contingencia
concebible. Asimismo, si se logra que los robots utilicen representaciones y
mecanismos de razonamiento similares a la de los humanos, se podra mejorar
la interaccin hombre-mquina, as como las tareas de colaboracin. Sin
embargo, se necesita un elevado poder de procesamiento (en especial si el
robot cuenta con numerosos sensores y actuadores) y mucha memoria (para
representar
el
espacio
de
estados).
La robtica cognitiva es la rama de la robtica que se ocupa de proporcionar al

robot de un comportamiento inteligente dotndole de una arquitectura de
procesamiento que le permite aprender y razonar acerca de cmo comportarse
frente a complejos objetivos en arduos entornos. Dicha arquitectura de
procesamiento, en combinacin con los objetivos y el entorno del robot,
determina completa y mecnicamente la forma en que el robot se mueve y se
comporta. El usuario puede especificar los objetivos (ya sea directa o
indirectamente), o bien puede que el mismo robot los determine. En este caso,
se dice que es autnomo. Un robot es un dispositivo de entrada y salida de
datos, construido con materia inanimada y cuyo comportamiento, en respuesta
al entorno, est determinado por su diseo. Segn esta definicin, un ascensor
es un robot. La cognicin es la accin o proceso de adquisicin de
conocimientos y comprensin a travs del pensamiento, la experiencia y los
sentidos.
La robtica cognitiva ve en la cognicin animal el punto de partida para el
desarrollo de los algoritmos computacionales de la robtica, a diferencia de las
tradicionales tcnicas de inteligencia artificial, que pueden o no recurrir a los
mamferos y a la cognicin humana como inspiracin para el desarrollo de
algoritmos. Las capacidades cognitivas de la robtica incluyen el proceso de la
percepcin, la asignacin de la atencin, la anticipacin, la planificacin, el
49
razonamiento sobre otros agentes, y quizs el razonamiento sobre sus propios

estados mentales. La robtica cognitiva encarna el comportamiento de los
agentes inteligentes en el mundo fsico (o en un mundo virtual, en el caso de la
robtica cognitiva simulada). En la versin ms ambiciosa, eso implica que el
robot tambin debe ser capaz de actuar en el mundo real.
Esta aproximacin utiliza tcnicas provenientes del campo de las Ciencias
Cognitivas. Se ocupa de implementar robots que perciben, razonan y actan en
entornos dinmicos, desconocidos e imprevisibles. Tales robots deben tener
funciones cognitivas de muy alto nivel que impliquen razonar, por ejemplo,
acerca de las metas, las acciones, el tiempo, los estados cognitivos de otros
robots,
cundo
qu
percibir,
aprender
de
la
experiencia,
etc.
Para eso, deben poseen un modelo simblico e interno de su entorno local, y la

suficiente capacidad de razonamiento lgico para tomar decisiones y para
ejecutar las tareas necesarias a fin de alcanzar sus objetivos. En pocas
palabras, esta lnea de trabajo se ocupa de implementar caractersticas
cognitivas en los robots, tales como percepcin, formacin de conceptos,
atencin, aprendizaje, memoria a corto y largo plazo, etc.
Por lo tanto, un robot cognitivo debe presentar las siguientes caractersticas:
Conocimiento.
Creencias.
Preferencias.
Objetivos.
Actitudes informativas.
Actitudes motivacionales (observacin, comunicacin, revisin de

creencias, planificacin).
50
Capacidad para moverse en el mundo fsico, y para interactuar de forma

segura con sus objetos, incluyendo la manipulacin de stos.
Una de las tcnicas de aprendizaje que se utilizan en los robots es el

aprendizaje por imitacin. En otras palabras, el robot, provisto de todos los
sensores y hardwars fsicos necesarios para realizar una tarea humana,
observa la realizacin de una tarea humana, y entonces trata de imitarla con
los mismos movimientos que el ser humano con el fin de realizar la tarea.
Usando sus sensores, el robot debe ser capaz de crear una imagen
tridimensional del entorno y de reconocer los objetos que aparecen en ella. Por
lo tanto, el reto fundamental es interpretar la escena y entender qu objetos
son los necesarios para realizar la tarea y cules no.
Un enfoque de aprendizaje ms complejo es la adquisicin de conocimientos
autnomos: el robot utiliza ahora sus sensores y sus conocimientos sobre las
propiedades fsicas del mundo, y luego se le deja para que explore el ambiente
por s mismo. Una de las terminologas de este comportamiento se llama el
balbuceo de motor. Bsicamente, la idea de este enfoque es la de permitir que
el robot descubra sus capacidades por s mismo.
Algunos investigadores en robtica cognitiva han comenzado a utilizar
arquitecturas como ACT-R y Soar como base de sus programas de robtica
cognitiva. Estas arquitecturas se han utilizado con xito para simular el
funcionamiento del operador y el rendimiento humano, cuando los datos de
laboratorio de modelizacin. La idea es extender estas arquitecturas para
manejar la entrada sensorial en el mundo real a medida que dicha entrada se
desarrolla continuamente a travs del tiempo.
REDES NEURONALES
La inteligencia artificial es un intento por descubrir y describir aspectos de la

inteligencia humana que pueden ser simulados mediante mquinas. Esta
disciplina se ha desarrollado fuertemente en los ltimos aos teniendo
51
aplicacin en algunos campos como visin artificial, demostracin de teoremas,

procesamiento de informacin expresada mediante lenguajes humanos, etc.
Las redes neuronales son ms que otra forma de emular ciertas caractersticas
propias de los humanos, como la capacidad de memorizar y de asociar hechos.
Si se examinan con atencin aquellos problemas que no pueden expresarse a
travs de un algoritmo, se observar que todos ellos tienen una caracterstica
en comn, la experiencia.
El hombre es capaz de resolver estas situaciones acudiendo a la experiencia
acumulada. As, parece claro que una forma de aproximarse al problema
consista en la construccin de sistemas que sean capaces de reproducir esta
caracterstica humana. En definitiva, las redes neuronales no son ms que un
modelo artificial y simplificado del cerebro humano, que es el ejemplo ms
perfecto del que disponemos para un sistema que es capaz de adquirir
conocimiento a travs de la experiencia. Una red neuronal es un nuevo
sistema para el tratamiento de la informacin, cuya unidad bsica de
procesamiento est inspirada en la clula fundamental del sistema nervioso
humano: La neurona.
Todos los procesos del cuerpo humano se relacionan en alguna u otra forma
con la actividad de estas neuronas. Las mismas son un componente
relativamente simple del ser humano, pero cuando millares de ellas se
conectan en forma conjunta se hacen muy poderosas.
Lo que bsicamente ocurre en una neurona biolgica es lo siguiente: la
neurona es estimulada o excitada a travs de sus entradas (inputs) y cuando
se alcanza un cierto umbral, la neurona se dispara o activa, pasando una seal
hacia el axn. Posteriores investigaciones condujeron al descubrimiento de que
estos procesos son el resultado de eventos electroqumicos.
Como ya se sabe, el pensamiento tiene lugar en el cerebro, que consta de
billones de neuronas interconectadas. As, el secreto de la inteligencia -sin
importar como se defina- se sita dentro de estas neuronas interconectadas y
de su interaccin.
Tambin, es bien conocido que los humanos son capaces de aprender.
Aprendizaje significa que aquellos problemas que inicialmente no pueden
resolverse, pueden ser resueltos despus de obtener ms informacin acerca
del problema. Por lo tanto, las redes neuronales:
52
Consisten de unidades de procesamiento que intercambian datos
informacin.
Se utilizan para reconocer patrones, incluyendo imgenes, manuscritos
y secuencias de tiempo (por ejemplo: tendencias financieras).

Tienen capacidad de aprender y mejorar su funcionamiento.
Una primera clasificacin de los modelos de redes neuronales podra ser,

atendiendo a su similitud con la realidad biolgica:
1) El modelo de tipo biolgico: Este comprende las redes que tratan de simular
los sistemas neuronales biolgicos, as como las funciones auditivas o algunas
funciones bsicas de la visin.
2) El modelo dirigido a aplicacin: Este modelo no tiene por qu guardar
similitud con los sistemas biolgicos. Su arquitectura est fuertemente ligada a
las necesidades de las aplicaciones para la que es diseada.
Definiciones de una red neuronal.

Existen numerosas formas de definir a las redes neuronales; desde las
definiciones cortas y genricas hasta las que intentan explicar ms
detalladamente qu son las redes neuronales. Por ejemplo:
1) Una nueva forma de computacin, inspirada en modelos biolgicos.
2) Un modelo matemtico compuesto por un gran nmero de elementos
procesales organizados en niveles.
3) Un sistema de computacin compuesto por un gran nmero de elementos
simples, elementos de procesos muy interconectados, los cuales procesan
informacin por medio de su estado dinmico como respuesta a entradas
externas.
4) Redes neuronales artificiales son redes interconectadas masivamente en
paralelo de elementos simples (usualmente adaptativos) y con organizacin
jerrquica, las cuales intentan interactuar con los objetos del mundo real del
mismo modo que lo hace el sistema nervioso biolgico.
Ventajas que ofrecen las redes neuronales.

53
Debido a su constitucin y a sus fundamentos, las redes neuronales artificiales

presentan un gran nmero de caractersticas semejantes a las del cerebro. Por
ejemplo, son capaces de aprender de la experiencia, de generalizar de casos
anteriores a nuevos casos, de abstraer caractersticas esenciales a partir de
entradas que representan informacin irrelevante, etc. Esto hace que ofrezcan
numerosas ventajas y que este tipo de tecnologa se est aplicando en
mltiples reas. Entre las ventajas se incluyen:
Aprendizaje Adaptativo. Capacidad de aprender a realizar tareas
basadas en un entrenamiento o en una experiencia inicial.

Auto-organizacin. Una red neuronal puede crear
su
propia
organizacin o representacin de la informacin que recibe mediante
una etapa de aprendizaje.

Tolerancia a fallos. La destruccin parcial de una red conduce a una
degradacin de su estructura; sin embargo, algunas capacidades de la
red se pueden retener, incluso sufriendo un gran dao.

Operacin en tiempo real. Los cmputos neuronales pueden ser
realizados en paralelo; para esto se disean y fabrican mquinas con
hardware especial para obtener esta capacidad.

Fcil insercin dentro de la tecnologa existente. Se pueden obtener
chips especializados para redes neuronales que mejoran su capacidad
en ciertas tareas. Ello facilitar la integracin modular en los sistemas
existentes.
Aprendizaje adaptativo.
La capacidad de aprendizaje adaptativo es una de las caractersticas ms
atractivas de redes neuronales. Esto es, aprenden a llevar a cabo ciertas tareas
mediante un entrenamiento con ejemplos ilustrativos.
Como las redes neuronales pueden aprender a diferenciar patrones mediante
ejemplos y entrenamientos, no es necesario elaborar modelos a priori ni
necesidad de especificar funciones de distribucin de probabilidad.
Las redes neuronales son sistemas dinmicos auto- adaptativos. Son
adaptables debido a la capacidad de autoajuste de los elementos procesales
54
(neuronas) que componen el sistema. Son dinmicos, pues son capaces de

estar constantemente cambiando para adaptarse a las nuevas condiciones.
En el proceso de aprendizaje, los enlaces ponderados de las neuronas se
ajustan de manera que se obtengan ciertos resultados especficos. Una red
neuronal no necesita un algoritmo para resolver un problema, ya que ella
puede generar su propia distribucin de pesos en los enlaces mediante el
aprendizaje. Tambin existen redes que continan aprendiendo a lo largo de su
vida, despus de completado su perodo de entrenamiento.
La funcin del diseador es nicamente la obtencin de la arquitectura
apropiada. No es problema del diseador el cmo la red aprender a
discriminar. Sin embargo, s es necesario que desarrolle un buen algoritmo de
aprendizaje que le proporcione a la red la capacidad de discriminar, mediante
un entrenamiento con patrones.
Auto-organizacin.
Las redes neuronales emplean su capacidad de aprendizaje adaptativo para
auto-organizar la informacin que reciben durante el aprendizaje y/o la
operacin.
Mientras que el aprendizaje es la modificacin de cada elemento procesal, la
auto-organizacin consiste en la modificacin de la red neuronal completa para
llevar a cabo un objetivo especfico.
Cuando las redes neuronales se usan para reconocer ciertas clases de
patrones, ellas auto-organizan la informacin usada. Por ejemplo, la red
llamada backpropagation, crear su propia representacin caracterstica,
mediante la cual puede reconocer ciertos patrones.
Esta auto-organizacin provoca la generalizacin: facultad de las redes
neuronales de responder apropiadamente cuando se les presentan datos o
situaciones a las que no haba sido expuesta anteriormente. El sistema puede
generalizar la entrada para obtener una respuesta. Esta caracterstica es muy
importante cuando se tiene que solucionar problemas en los cuales la
informacin de entrada no es muy clara; adems permite que el sistema d una
solucin, incluso cuando la informacin de entrada est especificada de forma
incompleta.
55
Tolerancia a fallos.
Las redes neuronales fueron los primeros mtodos computacionales con la
capacidad inherente de tolerancia a fallos. Comparados con los sistemas
computacionales tradicionales, los cuales pierden su funcionalidad cuando
sufren un pequeo error de memoria, en las redes neuronales, si se produce un
fallo en un nmero no muy grande de neuronas y aunque el comportamiento
del sistema se ve influenciado, no sufre una cada repentina.
Hay dos aspectos distintos respecto a la tolerancia a fallos:
a) Las redes pueden aprender a reconocer patrones con ruido, distorsionados o
incompletos. Esta es una tolerancia a fallos respecto a los datos.
b) Las redes pueden seguir realizando su funcin (con cierta degradacin)
aunque se destruya parte de la red.
La razn por la que las redes neuronales son tolerantes a los fallos es que
tienen su informacin distribuida en las conexiones entre neuronas, existiendo
cierto grado de redundancia en este tipo de almacenamiento. La mayora de los
ordenadores algortmicos y sistemas de recuperacin de datos almacenan
cada pieza de informacin en un espacio nico, localizable y direccionable. En
cambio, las redes neuronales almacenan informacin no localizada. Por lo
tanto, la mayora de las interconexiones entre los nodos de la red tendrn sus
valores en funcin de los estmulos recibidos, y se generar un patrn de salida
que represente la informacin almacenada.
Operacin en tiempo real.
Una de las mayores prioridades, casi en la totalidad de las reas de aplicacin,
es la necesidad de realizar procesos con datos de forma muy rpida. Las redes
neuronales se adaptan bien a esto debido a su implementacin paralela. Para
que la mayora de las redes puedan operar en un entorno de tiempo real, la
necesidad de cambio en los pesos de las conexiones o entrenamiento es
mnima.
Fcil insercin dentro de la tecnologa existente.
56
Una red individual puede ser entrenada para desarrollar una nica y bien
definida tarea (tareas complejas, que hagan mltiples selecciones de patrones,
requerirn sistemas de redes interconectadas). Con las herramientas
computacionales existentes (no del tipo PC), una red puede ser rpidamente
entrenada, comprobada, verificada y trasladada a una implementacin
hardware de bajo coste. Por lo tanto, no se presentan dificultades para la
insercin de redes neuronales en aplicaciones especficas, por ejemplo de
control, dentro de los sistemas existentes. De esta manera, las redes
neuronales se pueden utilizar para mejorar sistemas en forma incremental y
cada paso puede ser evaluado antes de acometer un desarrollo ms amplio.
VIDA ARTIFICIAL
Una vez abordada parte de la evolucin de esta rama de la IA llamada Vida
Artificial, es importante entrar a conocer qu es exactamente la VA.
El Hombre siempre ha concebido la Vida como un regalo de los dioses, y en su
afn por darle trascendencia a su existencia tambin se ha credo dios y ha
pretendido engendrar vida con sus propias manos. Seres dadores de vida
existen a lo largo de toda la historia de los mitos humanos: desde los dioses
griegos, pasando por el mito del Golem judo, hasta creaciones como el
Franskestein de Shelley. Sin embargo desde que la evolucin fue abordada,
estos mitos se encuentran cada vez mas lejanos, y ms cerca la posibilidad
real de manipular la vida. Darwin y -aos despus- Mendel, Morgan, Watson y
Cricks, desde la perspectiva biolgica, sentaron las bases de la evolucin y la
gentica, que permitieron hablar de clulas embrionarias y de clonacin. Dentro
de la Ingeniera, y en particular la llamada Ingeniera Computacional, conceptos
biolgicos como evolucin y gentica se han apropiado para generar una
nueva disciplina: la Vida Artificial. Esta disciplina es el siguiente paso adelante
en la aplicacin de los principios biolgicos a nuevos sistemas computacionales
y promete ser una de las ramas ms innovadoras y revolucionarias de los que
ser el cmputo en el presente siglo.
57
La Vida Artificial es la disciplina que estudia la vida natural con la intencin de

recrear los fenmenos biolgicos a travs de computadoras y otros medios
artificiales. Esta intencin de recrear dichos fenmenos en medios alternativos,
resulta en una mejora del entendimiento de la teora de los fenmenos
estudiados, adems de originar aplicaciones de principios biolgicos en la
tecnologa de hardware y software, mecatrnica, medicina, nanotecnologa,
manufactura y mltiples proyectos vitales en Ingeniera.
58
El origen moderno de la VA digital tiene sus base en las ideas de Alan Turing,
durante los aos cuarenta. Sin embargo, es a John Von Newmann a quien se
reconoce como el padre de esta disciplina. La primera aparicin popular surgi
en los aos sesenta cuando John Conway logr introducir masivamente el
concepto de autmatas celulares con su software de The Game of Life, ya
que, hasta ese momento, la idea permaneca slo dentro del medio tcnico de
los entendidos. Si bien sus inicios fueron en papel o en tableros de ajedrez,
pronto se llev a la computadora. Puede afirmarse que si el siglo que termin
fue el siglo de la Fsica, ste que comienza es el milenio de la Biologa, ya que
la biotecnologa, la Gentica y esta nueva corriente de la Vida Artificial, llevarn
a la Humanidad a un nuevo estadio evolutivo. Utilizando los principios de
organizacin, complejidad y evolucin observados en los organismos vivientes,
es posible desarrollar sistemas auto organizados que solucionen problemas
complejos.
En esta rama son objeto de estudio los procesos moleculares, los sistemas
sociales y las escalas evolutivas. El objetivo ser poder crear vida en cualquier
medio virtual donde la esencia de la vida ha sido extrada de los detalles de
sta en un modelo particular. El fin ltimo es construir modelos que sean como
vida que en algn instante dejarn de ser modelos de vida para convertirse en
ejemplos de vida. Es, en ltimas dejar de hablar de la vida cmo es para
convertirse en la vida como podra ser.
Actualmente la VA se ha dividido en campos de investigacin bastante
definidos, entre los cuales se encuentran: los procesos a nivel celular, a nivel
de organismo, a nivel colectivo y a nivel evolutivo.
El primero de ellos, el que atae a los procesos celulares, est ligado al
nacimiento de la VA, donde el principal objetivo era lograr el fenmeno de auto
reproduccin. Trabajos como los autmatas celulares cadenas de clulas que
interactan ente ellas-, propuestos por Von Newman y estudiados ampliamente
por Langton, son una muestra clara de ese intento por darle a la Vida Artificial
un sustento dentro de la Informtica Terica.
Los procesos a nivel de organismo, es decir aquellos ligados al desarrollo de
un ser, tambin han sido ampliamente estudiados, dado que provienen
59
directamente de la Ciberntica y enriquecen la Robtica. Es aqu donde se

abordan temticas como la cognicin, el aprendizaje y la capacidad de
adaptacin y en el cual las Redes Neuronales Artificiales no solo son una
herramienta, sino tambin un objeto de estudio.
En el tercer nivel, aquel ligado a lo colectivo, se busca descubrir los lazos y las
interacciones entre individuos miembro de una comunidad. Simulaciones de
comunidades de hormigas en un ambiente virtual son ejemplo de este nivel, as
como mltiples aplicaciones relacionadas con los sistemas de cmputo
distribuidos.
Por ltimo, el nivel evolutivo, investiga todo lo relacionado con la evolucin de
las poblaciones, la seleccin natural y la gentica. Tambin es un rama antigua
de la VA, debido a los trabajos de Holland con los algoritmos genticos y su
influencia es clara, no solo en la Informtica programacin y computacin
evolutiva-, sino en la solucin de toda clase de problemas relacionados con la
optimizacin.
60
10. VENTAJAS Y DESVENTAJAS DE LA

La inteligencia humana implica muchas habilidades como son la resolucin de
problemas, percepcin, razonamiento, adaptabilidad, toma de decisiones,
entender el aprendizaje, y acciones reflejas. Muchos expertos en el campo de
la Inteligencia Artificial han soado con la creacin de sistemas y mquinas que
puedan imitar la inteligencia humana. Esto ha dado lugar a muchas
posibilidades, sin embargo, en el campo de la Inteligencia Artificial tiene que ser
entendido desde ambas caras de la moneda.
Ventajas de la Inteligencia Artificial:

En el mbito laboral reduce los costos y salarios adicionales.
Debido a que el trabajo lo hara una mquina y no un apersona, no habra
porque pagarle un salario; solo tendramos que darle mantenimiento a la
mquina y revisar que est funcionando correctamente.
Por resultar un atractivo, conlleva a generar ms ingresos.
En distintos ambientes se pueden encontrar estas mquinas y/o robots que

despiertan curiosidad en las personas y les llaman mucho la atencin, esto
hace que las personas regresen al lugar donde las vieron y mientras ms
personas hayan en el lugar mayor sern los ingresos. Tambin puede darse el
caso de encontrar estas mquinas como juguetes que al ser algo novedoso la
mayora de personas querra tenerlos, tal es el caso de Aibo que son una serie
de mascotas robticas diseadas y fabricadas por Sony.
Se han desarrollado aplicaciones que realizan tareas que el hombre

nunca hubiera podido realizar debido a su complejidad.
La inteligencia artificial ha permitido el diseo de aplicaciones que pueden

explorar las partes del mundo que los seres humanos no pueden visitar. Por
ejemplo, en el mbito de la exploracin espacial, las mquinas podrn explorar
partes del universo que son totalmente hostiles para los seres humanos.
61
Los robots inteligentes son programados para la minera de excavacin de

combustibles.
El robot Nerus tiene la capacidad de movilizarse libremente y explorar las
especies que se encuentran a grandes profundidades en el mar.
En el caso de los incendios forestales, se emplearn el uso de robots.
Reduce el tiempo que consume realizar cierta actividad.
La mquina est programada para hacer un trabajo preciso y eficaz, y al ser

una mquina no se fatiga ni se agota mucho menos necesita un tiempo de
descanso; cosa que las personas si necesitan, y es por eso que las mquinas
pueden seguir con sus actividades.
Desventajas de la Inteligencia Artificial
Por
ser
software,
requieren
de
constantes
actualizaciones
(mantenimiento)
Las constantes actualizaciones son necesarias para que la mquina tenga un
mayor y mejor rendimiento en las actividades que realiza.
Realizar estos sistemas expertos requieren de mucho tiempo y

dinero.
Incapacidad de imitar por completo a un ser humano.
No pueden imitar por completo al ser humano al no tener sentimientos ni

emociones, esto les permite no olvidar la meta que deben alcanzar.
Crear mquinas que sean autosuficientes y que puedan desplazar a

la raza humana.
62
Crear mquinas que no necesiten de los humanos, ya sea para darles

mantenimiento, reparaciones, actualizaciones, etc.
El uso irracional y exagerado de esta tecnologa podra conllevar a

la dominacin de las mquinas sobre el hombre, como tambin
llegar a depender mucho de ellas.
Muchas veces nos vemos rodeados de diversas tecnologas y el uso excesivo

de estas mismas es malo porque nos acostumbramos a depender de ellas;
como es el caso de los celulares, muchas personas van por las calles y solo
ven la pantalla de su celular y no se percatan de lo que sucede a su alrededor,
esto podra provocar accidentes de trnsito en otros casos.
El hombre se siente menos importante cuando una mquina o un

sistema lo supera.
63
BIBLIOGRAFA
Maria Isabel Alfonso Galipienso, Miguel Angel Cazorla
Quevedo, Otto Colomina Pardo, Francisco Escolano Ruiz,
Miguel Angel Lozano Ortega. (2003). Inteligencia artificial:
modelos, tcnicas y reas de aplicacin. Madrid, Espaa:
rea Universitaria.
John Haugeland. (2003). La inteligencia artificial. Buenos
Aires, Argentina: Siglo veintiuno editores.
Wendy B. Rauch-Hindin. (1989). Aplicaciones
de
la
inteligencia artificial en la actividad empresarial, la ciencia y la

industria. Madrid: Ediciones Diaz de Santos.
Luis lvarez Munrriz. (1994). Fundamentos de Inteligencia
Artificial.
Universidad
de
Murcia:
Secretariado
de
publicaciones.
Tirso de Andrs, Homo Cybersapiens. La Inteligencia artificial
y la humana, 2002,
Adaraga Morales P., Zaccagnini Sancho J. L., Psicologa e
inteligencia artificial, Editorial Trotta, Madrid, 1994.
Alberto Garca Serrano, Inteligencia Artificial. Fundamentos,
prctica y aplicaciones., Editorial RC Libros, 2012.
MARTN BONAFIO, Redes neuronales y Sistemas Difusos,
Madrid, Ediciones Alfaomega, 2001.
Enciclopedia CLARN, La Ciencia Explicada, Buenos Aires,
Editorial Clarn, 1995.
R. Lpez y J. Fernndez, Las Redes Neuronales Artificiales,
Espaa, Netbiblo, S. L, 2008

Russel Stuart et al. Norvig Peter (1996). Inteligencia Artificial:
Un Enfoque
64

Inteligencia Artificial

Cargado por

Copyright:

Formatos disponibles

Inteligencia Artificial

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Inteligencia Artificial

Cargado por

Copyright:

Formatos disponibles

Inteligencia Artificial

Acosta Huaman, Seijyu Ingrid

INTELIGENCIA ARTIFICIAL CONVENCIONAL.......................................20

INTELIGENCIA ARTIFICIAL COMPUTACIONAL.....................................24

CATEGORAS DE LA INTELIGENCIA ARTIFICIAL........................................28

LA INTELIGENCIA ARTIFICIAL Y LOS SENTIMIENTOS.................................29

APLICACIONES ACTUALES DE LA INTELIGENCIA ARTIFICIAL....................32

APLICACIONES FUTURAS DE LA INTELIGENCIA ARTIFICIAL......................47

VENTAJAS Y DESVENTAJAS DE LA INTELIGENCIA ARTIFICIAL...............62

un vehculo, normalmente se dice que requieren inteligencia. Durante las

No, si uno define al pensamiento como algo inescrutable, misterioso o mtico.

El Test de Turing (Computing Machinery and Intelligence, 1950) para establecer

Las definiciones anteriores de

inteligencia son recursivas, siguen empleando la palabra inteligencia, que

a medida que el conocimiento humano se fue ampliando, el concepto de

en las que no es posible decidir la validez mediante ningn algoritmo, las

Administracin automtica de memoria, Listas enlazadas, Tiempo compartido,

Inteligencia Artificial. Actualmente los desarrollos se apoyan en teoras ms

fue conferida gracias al diseo y desarrollo de diversos procesos gestados por

El concepto de Inteligencia Artificial, tambin conocido por las siglas AI, se le

El sptimo arte es uno de los mbitos que ms ha abordado la cuestin de la IA

La inteligencia artificial es considerada una rama de la computacin y relaciona

Para Marvin Minsky, profesor del MIT (Massachusetts Institute of Technology) y

la ciencia de construir mquinas que hacen cosas que realizadas por el

Otro punto de vista lo ofreces B.B Buchanan y E.A.Felgenbaum, de la

la investigacin sobre IA es la parte de la ciencia de los ordenadores

...y la misma linea, tambin

propios descubrimientos) que la conducan hasta el destino deseado mediante

En los aos 70, un equipo de investigadores dirigido por Edward Feigenbaum

Hay, en primer lugar, un conjunto de investigadores que centran su atencin en

como un laboratorio donde se experimenta sobre el pensamiento

sobre el pensamiento aunque en nada se parezca al pensamiento humano, lo

Los objetivos iniciales de la Inteligencia Artificial fueron excesivos porque se

LA INTELIGENCIA ARTIFICIAL COMO CIENCIA Y COMO

LA INTELIGENCIA ARTIFICIAL COMO CIENCIA

LA INTELIGENCIA ARTIFICIAL COMO INGENIERA

*La rama aplicada de la IA conocida como IC tiene unos objetivos ms

Se puede decir que, actualmente, cuando se investiga en el campo de la

En una posicin intermedia, P.H.Winston, director del laboratorio de inteligencia

2. El comportamiento de los programas no es descrito explcitamente por el

desempeo del personal inexperto, y mejoran el control de calidad sobre todo

Los computadores no pueden manejar verdaderos significados.

Los computadores no tienen autoconciencia (emociones, sociabilidad,

Un computador slo puede hacer aquello para lo que est programado.

Las mquinas no pueden pensar realmente.

uso de smbolos no matemticos, aunque no es suficiente para

El comportamiento de los programas no es descrito explcitamente por el

El programa especifica cmo encontrar la secuencia de pasos

Las conclusiones de un programa declarativo no son fijas y son

INTELIGENCIA ARTIFICIAL CONVENCIONAL

Se conoce tambin como IA simblico-deductiva. Est basada en el anlisis

Razonamiento basado en casos: Es el proceso de solucionar

Sistemas expertos: Los sistemas expertos son llamados as porque

conocimiento almacenado en su memoria. Dan alternativas y hasta

comprensibles de manera que se pueda generar la explicacin para

conocimientos anteriores. Sobre la base de lo anterior se puede decir

El conocimiento de un sistema experto se basa en tres tipos de

Redes bayesianas: Una red bayesiana, red de Bayes, red de

ser cantidades observables, variables latentes,